phoenix

本文对比了LangSmith、Langfuse和Phoenix处理常见AI代理失败模式（如错误的工具调用和格式漂移）的方式，并介绍了Future AGI作为集成护栏和网关的工具，实现主动阻止。

据报道，凤凰城的数据中心使当地温度升高高达4度，凸显了与科技基础设施相关的环境问题。

Arize Phoenix 宣布，AI Queries 和 Browser AI 过滤器现在支持自然语言，可以将 'responses with apologies' 等英语短语转换为过滤器表达式。

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。

介绍如何使用 Phoenix 的 Pixie 助手自动对错误跨度进行分类、批量标注，并基于失败模式生成系统提示修复建议。

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。

Arize Phoenix 宣布跟踪级注释现在作为同级列显示在跟踪标题中，并在项目统计面板中作为独立部分，同时在流式传输期间实时更新。

Phoenix 17.7.0 新增令牌详情图表，将提示和完成令牌分解为子类别，并支持平移、缩放和实时流功能，以便更好地观察 AI 模型的令牌使用情况。

Arize Phoenix内置智能体PXI现在支持斜杠命令和技能，允许用户直接从聊天中调用自定义工作流。

在凤凰城，一辆Waymo自动驾驶汽车采取规避动作，避免与一名鲁莽的逆行驾驶员发生严重碰撞，凸显了自动驾驶技术的安全能力。

一位开发者反思了使用 Elixir 与 Phoenix 以及 Swift 与 SpriteKit 构建在线小游戏应用 Migo Games 的经历，强调了 AI 编码辅助的作用以及 Elixir 进程模型的可扩展性优势。

Phoenix 引入了 Code Evaluators，允许用户在 UI 中直接用 Python 或 TypeScript 定义评估策略，支持服务端执行和可组合的评分方法。