phoenix-llm-evals

在 Arize Phoenix（开源）上设计、运行和维护 LLM 评估的最佳实践。当用户想要评估 LLM 应用（如 RAG 管道、支持/对话式聊天机器人、带工具调用的智能体、文档/数据提取、摘要、文本转 SQL 或代码生成）时，或提及 Phoenix、评估（evals）、LLM 作为评判者（LLM-as-a-judge）、评估数据集、实验、幻觉检测、检索相关性、轨迹评估，或 LLM 应用的 CI 质量门禁时，使用此技能。即使用户未明确提及“评估”，只要询问“如何判断我的 LLM 应用是否良好”，也应使用此技能。

存档时间线

版本索引永久保留；内容副本只保留最新 1 份，更早版本仅留索引与哈希（存档时间线的证据链不会因此断裂）。

下载存档内容副本