如何选择合适的人工智能评估工具：Langsmith、Braintrust 与 Arize Phoenix 对比

数据科学家小组让 Langsmith、Braintrust 和 Arize Phoenix 完成同一评估作业，从工作流、人工介入、透明度与生态集成四方面进行比较。结论是没有一个工具在所有维度都最优，选择取决于团队技能、技术栈与成熟度。作者本人通常将这些工具用作后端数据存储，并配合 Jupyter notebook 和自建标注界面。