phoenix

一键追踪调试你的 AI 应用，让模型问题无所遁形

Phoenix 是一个面向 AI 应用的可观测性与评估平台，由 Arize AI 开发。它解决了 LLM 应用在生产环境中难以调试、评估和优化的问题，为开发者提供了一套完整的工具链。核心能力包括：追踪 LLM 调用链（支持 LangChain、LlamaIndex、OpenAI 等主流框架）、可视化分析推理过程、运行回归评估（如 RAG 检索质量、毒性检测）、以及通过数据集对模型进行离线测试和对比。它支持从开发到生产的全生命周期监控，帮助团队快速定位幻觉、延迟、成本异常等问题。项目采用 Python 编写，提供直观的 Web UI 和 Python SDK，可本地部署或云端使用，与主流 LLM 框架深度集成，是当前 AI 工程领域较为活跃的开源基础设施之一。

开源 freemium 基础设施

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 11579

维护状态活跃

是否开源是

定价模式 freemium

项目数据

分类基础设施

开发团队Arize-ai

所属国家

官网地址https://arize.com/docs/phoenix

GitHubhttps://github.com/Arize-ai/phoenix

定价模式freemium

价格说明开源核心免费，提供云端托管服务，有免费额度和付费升级选项。

访问状态

是否开源是

开源协议NOASSERTION

主要语言Python

技术栈/模型agents,ai-monitoring,ai-observability,aiengineering,anthropic,datasets,evals,langchain,llamaindex,llm-eval,llm-evaluation,llmops,llms,openai,prompt-engineering,smolagents

GitHub 星标★ 11579

30天Star增速

HF 下载量

上线时间2022-11-09 00:00:00

最近更新2026-09-22 00:00:00

维护状态活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数5

使用教程

难度：入门约 10 分钟部署方式：本地安装 6 步

环境要求

Python 环境（使用 pip 安装 arize-phoenix）
或使用 uv 的 uvx 工具免安装运行
或使用 Docker / Kubernetes（Helm chart）部署容器镜像
需要浏览器访问本地 Phoenix Web UI（README 中 MCP 地址为 http://localhost:6006/mcp）

安装与启动步骤

1pip 安装 Phoenix

用 pip 安装官方 PyPI 包 arize-phoenix，安装完成后即具备完整 Phoenix 功能。建议在虚拟环境中安装。
```
pip install arize-phoenix
```
2启动 Phoenix 服务

运行 phoenix serve 启动本地 Phoenix 服务与 Web UI。保持该终端窗口不关闭，服务停止即不可访问。
```
phoenix serve
```
3免安装快速运行

如果不想安装依赖，可用 uvx 直接拉起 Phoenix 服务，适合临时试用，命令与本地安装后一致。
```
uvx arize-phoenix serve
```
4自动接入追踪

已安装 Phoenix 时运行 px setup，它会自动识别你的框架与 LLM 提供商，安装对应的 OpenInference 探针并配置 trace 上报。
```
px setup
```
5容器化部署

Phoenix 提供 Docker Hub 官方镜像，可用 Docker 或基于 Helm chart 的 Kubernetes 部署。具体命令请参考官方自托管文档，README 未给出可直接复制的 docker run 命令。
6云平台一键部署

README 提供 Railway、Render、Google Cloud、Azure、AWS CloudFormation 的一键部署入口，点击对应按钮即可在云上部署 Phoenix。

如何确认成功

服务启动后，用浏览器打开本地 6006 端口查看 Phoenix UI（README 中 MCP 地址为 http://localhost:6006/mcp），能正常打开即成功。

常见问题

Q：不想安装 Python 包可以运行吗？

A：可以。README 说明使用 uvx 免安装运行：uvx arize-phoenix serve。

Q：如何让 Phoenix 自动追踪我的 LLM 应用？

A：在已安装 Phoenix 的环境执行 px setup，它会检测框架与模型提供商，自动装好 OpenInference 探针并接好 trace 上报。

Q：生产环境怎么部署？

A：可使用 Docker Hub 上的 arizephoenix/phoenix 镜像，或通过 Helm chart 部署到 Kubernetes；更多方式见官方 self-hosting 文档。

Q：有中文文档吗？

A：README 提供简体中文版（README.zh.md），完整安装与托管说明见 Phoenix 官方文档站。

注意事项

Google Cloud 部署按钮是在 Cloud Shell 中从源码构建 Phoenix，而不是直接使用预构建的 Docker Hub 镜像。
Azure 模板对外提供明文 HTTP（Azure Container Instances 不终止 TLS），生产使用前需在前面加 Application Gateway 之类的 TLS 代理。
Docker Compose、Kubernetes/Helm 等更多部署选项请查阅官方 self-hosting 文档。
README 未给出 Docker 运行的具体端口与参数，请勿照搬本文档外的命令。

核心亮点

提供端到端的 LLM 调用链追踪，从输入到输出全链路可视化，排查问题效率极高
内置丰富的评估功能，支持 RAG 检索质量、毒性、幻觉等自动化检测，省去自建评估体系
与 LangChain、LlamaIndex 等主流框架深度集成，接入成本低，开箱即用

不足之处

项目迭代较快，API 和界面变动频繁，升级可能带来兼容性问题
文档部分内容偏简略，高级功能（如自定义评估器）缺乏详细示例

适用场景

开发调试 LLM 应用，快速定位推理错误或异常输出
对 RAG 系统进行离线评估，量化检索与生成质量
生产环境监控 AI 应用性能，追踪延迟、成本与安全风险

替代项目

Langfuse、LangSmith、W&B Weave

项目介绍

phoenix 是基础设施领域的开源项目，由 Arize-ai 开发，2022 年首次发布。

在全站 13,014 个收录项目中，它的 GitHub 星标数（11,579）位列前 5%，在基础设施分类的 1,130 个项目里位列前 7%。

近 44 天，它的 GitHub 星标从 10,958 增加到 11,579，净增 621。

项目目前处于活跃维护状态，最近一次代码更新于 2026-09-22。开源核心免费，提供云端托管服务，有免费额度和付费升级选项。从国内网络环境看，可直接访问。

它主要面向的使用场景是：开发调试LLM应用，快速定位推理错误或异常输出。同类可对比的替代方案包括 Langfuse、LangSmith、W&B Weave。

上一篇：langfuse

下一篇：evidently