@ArizePhoenix: 你可以直接使用PXI在Phoenix上运行实验！这里有一个测试系统提示与schema感知提示的实验…

X AI KOLs Following 2026/07/27 15:15 工具

phoenix pxi experimentation prompt-testing code-evaluator

摘要

Arize Phoenix演示了如何使用PXI运行一个实验，该实验使用程序化代码评估器比较系统提示与schema感知提示，从而避免了使用LLM评审员的需求。

你可以直接使用PXI在Phoenix上运行实验！这里有一个实验，使用相同模型测试系统提示与schema感知提示，由代码评估器评分——当检查是程序化时，无需LLM评审员。 TIL：“当一个评估在所有地方都失败时，先怀疑评估本身。” https://t.co/5X5Yw9oGFR

查看原文

查看缓存全文

缓存时间: 2026/07/27 15:56

您可以直接使用PXI从Phoenix运行实验！这里有一个测试系统提示与模式感知提示的对比，使用相同模型，由代码评估器评分——当检查是程序化时，无需LLM评判。

TIL：“当评估全部失败时，先怀疑评估本身。” https://t.co/5X5Yw9oGFR

相似文章

X AI KOLs Following

PXI（Phoenix Intelligence），这款AI代理此前仅可在浏览器中使用，现可通过CLI包@arizeai/phoenix-cli在终端中作为交互式聊天使用。

X AI KOLs Following

本周 Phoenix 更新为 PXI 子智能体增加了服务端 bash，支持沙盒执行和内置 GraphQL 访问，提升了反馈可见性和智能体能力。

X AI KOLs Following

Phoenix 内置了 Pixie 智能助手，能帮助用户快速筛选出智能体 span 出错但模型回复正常的静默失败 trace，大幅提升 trace 阅读效率。

X AI KOLs Following

Phoenix 现在包含可定制的实验图表和基准化功能，允许用户沿性能、延迟、令牌和成本维度比较模型，并为偏好模型设定基准。

X AI KOLs Following

本文讨论了使用 Arize Phoenix 开发 LLM 应用的最佳实践，特别强调了使用训练集/验证集/测试集拆分来进行诚实评估和追踪回归的重要性。