Phoenix Tracing Quickstart — OpenInference Tracer Setup

简介

Phoenix 是 Arize AX 的开源观测同伴 —— OpenInference tracer 装一次，OpenAI / Anthropic / LangChain / LlamaIndex / CrewAI / DSPy 每次调用自动产生 trace span，含 prompt、completion、延迟、token 成本。在本地 Phoenix UI（6006 端口）看，或推到 Arize 云端。适合调试多步 agent、找出哪个 retrieval 步骤毒化了答案、并排对比 prompt 版本。兼容任何走 OpenInference 注入的 Python LLM 栈。装机时间 2 分钟。

安装 + 起本地 Phoenix

pip install arize-phoenix openinference-instrumentation-openai openinference-instrumentation-langchain
phoenix serve  # UI 起在 http://localhost:6006

自动注入 OpenAI

from phoenix.otel import register
from openinference.instrumentation.openai import OpenAIInstrumentor

tracer_provider = register(project_name="my-rag-app", endpoint="http://localhost:6006/v1/traces")
OpenAIInstrumentor().instrument(tracer_provider=tracer_provider)

# 这就完了。之后每次 OpenAI 调用都自动 trace：
from openai import OpenAI
client = OpenAI()
client.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "解释量子纠缠"}],
)
# 打开 localhost:6006 —— trace 出现，含 prompt、completion、延迟、成本。

LangChain + LlamaIndex

from openinference.instrumentation.langchain import LangChainInstrumentor
from openinference.instrumentation.llama_index import LlamaIndexInstrumentor

LangChainInstrumentor().instrument(tracer_provider=tracer_provider)
LlamaIndexInstrumentor().instrument(tracer_provider=tracer_provider)

改推到 Arize 云端

tracer_provider = register(
    project_name="my-rag-app",
    endpoint="https://otlp.arize.com/v1/traces",
    headers={"api_key": ARIZE_API_KEY, "space_id": ARIZE_SPACE_ID},
)

Trace span 属性（OpenInference 标准）

FAQ

Q: Phoenix vs Langfuse vs LangSmith？ A: Phoenix 原生 OpenInference —— 厂商中立的 OTel 属性，任何后端都能读。Langfuse prompt 管理和自托管更强。LangSmith 在 LangChain 里活的人最适合。要 OTel 又可能切后端就选 Phoenix。

Q: Phoenix 需要数据库吗？ A: 本地模式用 ~/.phoenix 下的 SQLite。生产自托管通过 PHOENIX_SQL_DATABASE_URL 切 Postgres。Arize 云端帮你处理持久化。单人开发 <1 万 trace 的话 SQLite 够用。

Q: 能在 notebook 里看 trace 吗？ A: 能 —— phoenix.launch_app() 内嵌 UI 当 Jupyter widget 或开新标签页。配 phoenix.evals 跑 LLM-as-judge 评估，就在 trace 旁边看。