FollowAgents AI AGENTS 目录
首页 / 全部 Agents / Arize Phoenix
自动化与运维 observabilitytracingevaluationmonitoringprompt-management

Arize Phoenix

开源AI可观测性平台，用于追踪、评估和调试LLM应用。

在 GitHub 查看 ↗ 快速上手 ↓
源仓库
Arize-ai/phoenix
Star 数
★ 12k
最近更新
2 天前
License
NOASSERTION
主语言
Python
FA 评分
61/100 · 存在缺口

30 秒速览

运行形态
命令行工具自托管服务网页应用
可在哪里用
通用 · 跨平台OpenAI API · Claude API
费用
有免费版，另有付费云服务
上手难度
低 · 几分钟可跑通
开始前需要
Python 3.8+DockerHelmShell / 命令行网络访问本地文件系统
典型场景
AI 工程师希望调试生产 LLM 应用中的响应质量问题。
不适合
  • 需要完全离线、不调用任何外部 LLM API 的团队
  • 希望厂商托管、不想维护 Docker/Kubernetes 基础设施的团队
  • 需要成熟稳定 TypeScript 评估库的生产团队（该库仍为 alpha）
源码审查
61/100 · 存在缺口

这个 Agent 能做什么，适合哪些场景？

Phoenix 是一个开源 AI 可观测性平台，用于实验、评估和故障排除。它提供基于 OpenTelemetry 的追踪，以监控 LLM 应用的运行时；利用 LLM 进行响应和检索评估；创建版本化数据集；跟踪实验；提供提示优化游乐场；以及集成的 AI 工程代理（PXI）。该平台与供应商和语言无关，支持流行的框架和 LLM 提供商，如 OpenAI、Anthropic 和 Google GenAI。Phoenix 可以本地运行、容器化部署或云中运行，并提供 Docker 镜像和 Helm 图表。

Phoenix 提供全面的可观测性功能：它通过 OpenTelemetry 捕获 LLM 应用的踪迹，支持框架如 LangChain、LlamaIndex 和 OpenAI Agents SDK。它允许用户使用 LLM 作为评估器来评估响应和检索质量。用户可以创建版本化数据集，运行实验以测试提示和模型的变化，并使用游乐场优化提示。PXI（Phoenix Intelligence）是一个内置的 AI 工程代理，用于调试踪迹、迭代提示和导航产品。它还包括一个远程 MCP 服务器，使 Claude Code、Cursor 等客户端可以查询踪迹、数据集和实验。

  1. AI 工程师希望调试生产 LLM 应用中的响应质量问题。
  2. 机器学习工程师需要比较不同提示或模型在特定数据集上的表现。
  3. 开发团队希望将 LLM 追踪集成到现有的 OpenTelemetry 监控堆栈中。
  4. 产品经理需要量化 LLM 应用的检索和回答相关性。
  5. 编码代理（如 Claude Code）需要访问踪迹和数据集以辅助调试。

如何安装或部署这个 Agent？

安装 Phoenix，您需要 Python 3.8+。使用 pip 安装：pip install arize-phoenix。然后启动服务：phoenix serve。或者，您可以使用 uvx arize-phoenix serve 而无需安装。

如何使用这个 Agent？

安装后，在本地启动 Phoenix：phoenix serve。要追踪您的应用，请使用 CLI 自动检测并设置：从项目目录运行 npx @arizeai/phoenix-cli setup（需要 Node.js）或 px setup（如果已安装 Phoenix）。这将在您的应用代码中安装 OpenInference 仪器并配置追踪导出。然后，您的应用可以发送踪迹到 Phoenix，您可以在 UI 中查看。对于部署，您可以使用 Docker：docker run -p 6006:6006 arizephoenix/phoenix。

这个 Agent 有哪些优点和局限？

优点
  • 与框架和语言无关，支持 Python、JavaScript、Java 和 Go，广泛集成。
  • 基于 OpenTelemetry，可以轻松集成到现有的可观测性设置中。
  • 提供由 LLM 驱动的全面评估功能，用于响应和检索质量。
  • 支持版本化数据集和实验，便于系统地进行提示和模型改进。
局限
  • 自托管需要维护基础设施（Docker、Kubernetes），如果云托管可能产生成本。
  • 评估功能依赖 LLM API，可能产生额外成本。
  • 完整设置可能需要学习工具，涉及 OpenTelemetry 和 API 集成。

这个 Agent 与同类方案有什么区别？

Phoenix 将自己定位为 AI 可观测性平台；它没有直接命名竞争对手，但根据描述，它与 Langfuse、LangSmith 和 Arize 的云产品产生竞争。

与相关度最高的同类 agent 并排比较关键指标。

Agent 源码审查 形态 / 费用 Star 最近更新 主语言 完整支持的平台
Arize Phoenix 当前 61 · 存在缺口 命令行工具免费版 + 付费版 ★ 12k 2 天前 Python OpenAI API · Claude API
RagaAI Catalyst 46 · 缺口较多 代码库 / SDK免费 + 模型费 ★ 16k 1 年前 Python —
Hermes HUD 网页版 55 · 缺口较多 命令行工具免费 + 模型费 ★ 1.8k 7 天前 Python —
MLflow 64 · 存在缺口 命令行工具免费 + 模型费 ★ 28k 今天 Python Claude Code · OpenAI API · Claude API

FollowAgents 如何评估这个 Agent？

FollowAgents 源码审查 · FARS-2.1
存在缺口
61/ 100 五分制 3.1 / 5
本评测基于 2026年8月9日 的源码；此后该项目发布了 20 个正式版本，尚未复审。分数与结论只代表评测时的版本。 最近版本 ↓
信任安全 14/29
可靠稳定 9/14
适用触发 12/18
规范维护 12/18
有效结果 9/13
证据核验 5/8
查看各维度的扣分理由
信任安全14 / 29 · 2.4/5

证据显示有角色权限（admin/member/viewer）和API密钥管理，但未明确最小权限原则；有用户确认机制（如创建密钥时确认），但未全面覆盖；数据流透明性较好，有追踪和遥测文档；敏感数据处理有安全策略和密钥管理，但未深入；依赖安全有版本锁定和CVE注释，但未全面审计；外部影响有沙箱和部署选项，但未明确副作用；回滚有版本控制和迁移，但未明确回滚机制；来源归属有作者和文档，但发布者未验证。

可靠稳定9 / 14 · 3.2/5

自洽性良好，文档和代码一致；依赖可用性有版本锁定和兼容性说明；失败消息有错误处理文档和测试，但未全面覆盖。

适用触发12 / 18 · 3.3/5

受众明确（开发者、数据科学家），场景多样（追踪、评估、实验）；能力边界有文档说明；触发精度有集成和配置文档；环境适配有本地、容器、云部署选项。

规范维护12 / 18 · 3.3/5

信息架构清晰，有目录和文档；安装说明详细；命名稳定，有版本和包名；示例和FAQ有文档；已知限制有说明；许可证明确（Elastic-2.0）；版本变更日志有记录；维护责任有社区和支持渠道。

有效结果9 / 13 · 3.5/5

输出可用性高，有API和CLI；边际价值高，提供独特功能；成本效益合理，开源免费。

证据核验5 / 8 · 3.1/5

声明可追溯，有文档和代码；跨来源验证有多个集成和社区；事实与推断分离，文档区分了功能描述和推测。

风险与缓解建议
  • 发布者身份未验证，需谨慎对待供应链风险。
  • 依赖安全虽有版本锁定，但未提供完整的安全审计报告。
  • 回滚机制未明确，需依赖外部版本控制。
证据充分度：低 评估于 2026年8月9日 审查版本 b4d9b19e6c68 评估后仓库已有新提交，评分可能未覆盖最新改动
评估证据 README.mdLICENSESECURITY.mdpyproject.tomlworkflows/auto-label-external-issues.yamlworkflows/check-card-links.ymltests/admin-access.tstests/auth-refresh.spec.tstests/auth.setup.ts
查看完整评分方法 →

最近版本

来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。

  1. arize-phoenix-v20.23.0 arize-phoenix: v20.23.0
    发布说明摘录
    [20.23.0](https://github.com/Arize-ai/phoenix/compare/arize-phoenix-v20.22.0...arize-phoenix-v20.23.0) (2026-10-16) Features * server: export server logs over OTLP ([#17010](https://github.com/Arize-ai/phoenix/issues/17010)) ([add77bf](https://github.com/Arize-ai/phoenix/commit/add77bf75b6acd36ea93c7364e09a31fe276649b)) Bug Fixes * playground: forward Bedrock tool results directly as text ([#16951](https://github.com/Arize-ai/phoenix/issues/16951)) ([15355fd](https://github.com/Arize-ai/phoenix/commit/15355fd1a8a62c7218b1c5e434541b8976b3f62c)) Documentation …
    在 GitHub 查看 ↗
  2. arize-phoenix-v20.22.0 arize-phoenix: v20.22.0
    发布说明摘录
    [20.22.0](https://github.com/Arize-ai/phoenix/compare/arize-phoenix-v20.21.4...arize-phoenix-v20.22.0) (2026-10-15) Features * playground: add Meta muse-wonder-1.0 and gemini-4-argon ([#16976](https://github.com/Arize-ai/phoenix/issues/16976)) ([d5168d1](https://github.com/Arize-ai/phoenix/commit/d5168d1645198ad7b7a47f1d597170e4b291ecef)) Bug Fixes …
    在 GitHub 查看 ↗
  3. arize-phoenix-v20.21.4 arize-phoenix: v20.21.4
    发布说明摘录
    [20.21.4](https://github.com/Arize-ai/phoenix/compare/arize-phoenix-v20.21.3...arize-phoenix-v20.21.4) (2026-10-14) Bug Fixes * ui: keep labels on Escape and fix table sort, a11y and accessor warnings ([#16980](https://github.com/Arize-ai/phoenix/issues/16980)) ([53a1735](https://github.com/Arize-ai/phoenix/commit/53a173532c18ac0fd04370cdfcd1ea4cfefdd706))
    在 GitHub 查看 ↗

常见问题

Phoenix 会收集我的数据以进行遥测吗？
是的，但默认情况下仅收集基本 Web 分析（如页面浏览量），不收集踪迹数据或评估结果。您可以通过设置环境变量 PHOENIX_TELEMETRY_ENABLED=false 选择退出。
我需要支付 LLM 评估的费用吗？
是的，评估功能使用 LLM 分析您的应用响应，这会产生通过所选 LLM 提供商的 API 调用费用。
Phoenix 是只用于生产监控还是也用于开发？
两者兼有。它旨在用于实验（游乐场、数据集、实验）和故障排除（踪迹、PXI），因此覆盖开发和生产工作流。
我可以将 Phoenix 集成到我的现有监控系统吗？
是的，因为它基于 OpenTelemetry，您可以导出踪迹到其他支持 OTLP 的后端，或使用 Phoenix 作为独立系统。
在 GitHub 查看 ↗ 安装 ↓

相关 Agents

自动化与运维

RagaAI Catalyst

用 Python SDK 对 LLM 与多智能体应用进行评测、追踪、调试和安全测试。
自动化与运维

Hermes HUD 网页版

在浏览器里实时查看 Hermes agent 的健康、记忆、花费与运行轨迹。
自动化与运维

MLflow

统一追踪、评估、监控和优化生产级智能体、LLM 应用与机器学习模型。
自动化与运维

Coze Loop

面向 AI Agent 的自托管开发、评测与运行链路观测平台。