← All projects
Phoenix
B20/40评估 / 观测洞察置信度：中AI Observability & Evaluation.
observabilityllmtracing
Executive Insight
Phoenix 属于「评估 / 观测」方向，综合分 20/40（B）。当前最强项是 评估与验证、LLM 集成、工具使用，短板集中在 多模态、Agent 自主性。
核心优势
- - 评估与验证达到 4/5（自我评估 + 重试），说明该项目在这一能力上较成熟。
- - LLM 集成达到 3/5（上下文管理 + Streaming），说明该项目在这一能力上较成熟。
- - 工具使用达到 3/5（Function Calling / Tool Use），说明该项目在这一能力上较成熟。
能力短板
- - 多模态仅 1/5，当前更像“可用基础版”，需要补齐工程化能力。
- - Agent 自主性仅 2/5，当前更像“可用基础版”，需要补齐工程化能力。
适用场景
- - 上线前质量评估
- - 线上行为监控和追踪
落地风险与建议
- - 该条目为启发式分析，建议在核心决策前做一次仓库级人工复核。
- - 人机协作机制偏弱，生产环境需增加人工审批或灰度发布闸门。
- - 围绕 多模态 先做最小闭环，再扩展高级能力。
- - 围绕 Agent 自主性 先做最小闭环，再扩展高级能力。
Intelligence Profile
Dimensions
LLM 集成
上下文管理 + Streaming
Level 3: 上下文管理 + Streaming
Heuristic from category — verify manually
Agent 自主性
多步执行（人工每步确认）
Level 2: 多步执行（人工每步确认）
Heuristic from category — verify manually
记忆系统
会话摘要/压缩
Level 2: 会话摘要/压缩
Heuristic from category — verify manually
工具使用
Function Calling / Tool Use
Level 3: Function Calling / Tool Use
Heuristic from category — verify manually
知识检索 (RAG)
切块 + 检索 + Rerank
Level 3: 切块 + 检索 + Rerank
Heuristic from category — verify manually
多模态
图片输入理解
Level 1: 图片输入理解
Heuristic from category — verify manually
评估与验证
自我评估 + 重试
Level 4: 自我评估 + 重试
Heuristic from category — verify manually
人机协作
AI 执行 + 人工审批
Level 2: AI 执行 + 人工审批
Heuristic from category — verify manually
Architecture
eval-obs (catalog seed)
AI Observability & Evaluation.
GitHub Live Metrics
Loading live metrics...