Arize Phoenix 是什么、怎么用：看大模型应用的调用链路、做评测（安装与上手）

本文根据 Arize Phoenix 官方仓库 README 整理，资料核对于 2026-10-11。命令取自官方 README，没有在本机运行验证。

适用于谁

• 搜「arize phoenix 是什么」「arize phoenix 使用」的人；
• 做了一个智能体或 RAG 应用，回答不对时只能靠打印日志猜原因的人；
• 想知道一次请求里到底调用了几次模型、检索到了什么、每一步花了多少时间和 token 的人。

结论先说

1. Phoenix 是 Arize 开源的 AI 可观测性平台，官方定位是用于实验、评测和排查问题，可以自己部署。
2. 核心是追踪（Tracing）：把应用运行时的每一步记录下来，包括每次模型调用的输入输出、每次工具调用、每次检索。
3. 基于 OpenTelemetry 和 OpenInference，官方强调与厂商和语言无关。
4. 本地两步跑起来：pip install arize-phoenix，然后 phoenix serve。
5. 不用自己埋点：它对主流的智能体框架和模型 SDK 有现成的集成。
6. 许可证是 Elastic License 2.0，使用前留意条款。

一、六项功能

这六项连起来是一个闭环：线上的调用被追踪下来 → 挑出有问题的样例存进数据集 → 在 Playground 里改提示词 → 用实验对比新旧版本 → 用评测量化效果。

二、为什么需要追踪

一个智能体回答一个问题，背后可能是：一次检索、三次模型调用、两次工具调用。最后答错了，原因可能在任何一步：

• 检索回来的片段就不相关；
• 片段是对的，但模型没用上；
• 模型决定调用工具时参数填错了；
• 工具返回了错误，模型把错误当成了结果。

只看最终回答是分不清的。追踪把每一步的输入、输出、耗时都摆出来，像看程序的调用栈一样。追踪里的一条完整记录叫 trace，其中的每一步叫 span。

三、安装与启动

bash
pip install arize-phoenix
phoenix serve

启动后在浏览器里打开终端打印出来的地址。官方 README 里的链接指向本机的 6006 端口。

Docker：官方镜像在 Docker Hub 上，名称是 arizephoenix/phoenix。运行参数见官方文档。

四、把应用接上去

README 给了一条自动配置的命令，它会检测你用的框架并接好追踪：

bash
npx @arizeai/phoenix-cli setup

已经装了 Phoenix 的话，等价的写法是 px setup。

手动接入则是在应用里安装对应的埋点包并指向 Phoenix 的地址，README 没有给出最小代码，具体步骤见官方的 Tracing 文档。相关的子包：

也就是说，生产环境里的应用只需要装轻量的埋点包，不需要装完整的 arize-phoenix。

五、支持哪些框架和厂商

README 列出的集成：

• 框架：OpenAI Agents SDK、Claude Agent SDK、LangGraph、Vercel AI SDK、Mastra、CrewAI、LlamaIndex、DSPy；
• 模型厂商：OpenAI、Anthropic、Google GenAI、Google ADK、AWS Bedrock、OpenRouter、LiteLLM 等。

本站介绍过的几个框架都在其中：《OpenAI Agents SDK 教程》、《Claude Agent SDK 快速上手》、《Vercel AI SDK 是什么》、《Mastra 是什么》。

因为底层是 OpenTelemetry，没有现成集成的系统也可以按标准自己上报。

六、给编程智能体用

README 里有专门面向编程智能体的部分：

• MCP 服务器：Phoenix 实例自带一个远程 MCP 端点，在实例地址后面加 /mcp，可以接到 Claude Code、Cursor 等支持 MCP 的客户端。接上之后，可以直接让编程智能体去查追踪记录、分析失败的调用；
• Skills：仓库的 .agents/skills/ 里提供了 phoenix-cli、phoenix-evals、phoenix-tracing 三个技能。

MCP 的接法见《Claude Code MCP 配置教程》。

七、用它排查问题的基本思路

1. 先找到那条出问题的 trace，按时间或输入内容定位；
2. 从后往前看：最终回答是哪次模型调用产生的，它当时的完整输入是什么；
3. 检查输入里的每一部分：系统提示词对不对、检索到的片段相不相关、工具返回了什么；
4. 定位到出问题的那一步，再决定是改提示词、改检索，还是改工具的说明和返回格式；
5. 把这个案例存进数据集，改完之后用它来验证，之后也作为回归用例。

检索不相关时怎么调，见《Dify 知识库搭建教程》里的排查表；只想批量对比提示词，用更轻量的《promptfoo 使用教程》。

八、数据与许可

• 追踪数据里有用户输入和模型输出的原文。自己部署时，这些数据在你的机器上；要注意谁能访问 Phoenix 的界面，以及是否需要对敏感内容做脱敏；
• 遥测：README 说明默认会收集基础的网页分析数据，可以用环境变量 PHOENIX_TELEMETRY_ENABLED=false 关闭；同时声明不收集追踪数据和评测结果；
• 许可证：Elastic License 2.0（ELv2）。它和 MIT、Apache 这类宽松许可不同，对把软件作为托管服务提供给第三方等用法有限制。公司内部自用一般不受影响，但要对外提供服务时请先阅读条款；
• 托管选项：README 提到 Arize 另有托管平台 Arize AX，使用相同的埋点方式。

常见问题

Q：和 promptfoo 是一类工具吗？

侧重点不同。promptfoo 是「上线前用一批固定用例批量对比」；Phoenix 的核心是「运行时把每一步记录下来」，在此基础上再做评测和实验。两者可以一起用。

Q：只在开发时用，还是也能用在生产环境？

两种都可以。开发时在本机启动，边调边看；生产环境需要单独部署并规划存储，见官方的部署文档。

Q：会不会拖慢我的应用？

追踪基于 OpenTelemetry，数据通常是异步上报的。具体的性能影响和采样配置，以官方文档为准。

Q：必须用它的评测功能吗？

不必。很多人只用追踪这一项，就已经能解决大部分「不知道哪一步出了问题」的情况。

参考资料

• Arize-ai/phoenix（官方仓库与 README）：https://github.com/Arize-ai/phoenix