工具档案：Arize Phoenix——面向 agent 过程评测的开源可观测工具

这张卡的定位词是「过程评测」。端到端评测只告诉你结果错了，过程评测告诉你错在第几步：是检索没取到、工具选错，还是编排顺序有问题。agent 项目越复杂，过程评测的杠杆越大，这是 Phoenix 在开源生态里的差异化位置。误用点是把它当纯监控面板用——只看大盘不看单条 trace，等于花了过程评测的钱买了结果监控。

相比端到端评测工具的档案卡，这张卡的增量是把「trace 回流评测集」这个动作显式化：线上真实流量是最好的评测数据来源，FDE 应该设计从 trace 到评测集的固定流水线。国内语境下开源可自托管依旧是硬条件，Phoenix 与 Langfuse 的分工可以按「过程分析」与「业务看板」划分。行动建议：从线上挑 50 条失败 trace，标注失败步骤，沉淀成第一份过程评测集。