如何判断 AI 智能体是否可靠：Arize AI 的 Laurie Voss 用 Phoenix 与 Claude 实操评估

📌 One-Sentence Summary Laurie Voss 用 Phoenix 建立以证据为基础的智能体评估闭环，涵盖追踪、裁判校准、对照实验和 CI 回归检查。 📝 Summary Laurie Voss 以一个刻意保留缺陷的金融分析智能体为例，用 TypeScript、Phoenix 和 Claude 演示完整评估流程。他先读取执行追踪，人工检查失败，再将观察结果归为错误类别，据此选

来源：BestBlogs·AI 高分精选 · www.bestblogs.dev