# 如何判断你的 AI 智能体是否靠谱：用 Phoenix 与 Claude 做评估

- 原标题：How to Know If Your AI Agent Is Any Good: Evals With Phoenix & Claude — Laurie Voss, Arize AI
- 类型：教程
- 来源：YouTube
- 发布时间：2026-10-18
- 首次精选：2026-10-26 16:31
- 分级：值得看
- 学习层级：进阶
- 主题：[agent-evaluation-reliability](<https://oplearnx.com/md/topics/agent-evaluation-reliability.md>)（第 5 位）、[agent-observability](<https://oplearnx.com/md/topics/agent-observability.md>)（第 5 位）、[judges-quality-validation](<https://oplearnx.com/md/topics/judges-quality-validation.md>)（第 15 位）
- 原文链接：[https://youtube.com/watch?v=SHMCGrNJJGc](<https://youtube.com/watch?v=SHMCGrNJJGc>)
- 本站页面：[https://oplearnx.com/resources/pk\_ab52e5a65236](<https://oplearnx.com/resources/pk_ab52e5a65236>)

## 摘要

这是 Laurie Voss（Arize AI 开发者关系负责人、npm 联合创始人）的一场工作坊录像，以一个由 Claude 驱动的金融分析师智能体为例，搭建完整的评估闭环：用 Arize Phoenix 做追踪、阅读追踪记录、编写代码评估和 LLM-as-a-judge 评估、测试评判模型本身是否可信、用实验验证提示词修复效果、从 Claude Haiku 4.5 升级到 5.5，并在 CI 中用 npm test 做门禁。开场用例是智能体写出“116% 分析师同意”这类自信错误。适合构建生产级智能体、关心评估流程的工程师。

## 原文涉及

- [Phoenix](<https://phoenix.arize.com/>)

---
来源：LearnMap · 学径（https://oplearnx.com）