先说清楚它是什么：Arize Phoenix 属于「数据与分析」方向的开源项目，开源的大模型可观测与评测工具。

如果你刚开始接触它，可以按下面 7 天的安排练习，每天 20 到 40 分钟。

每日安排

  • 第 1 天：注册与熟悉界面：阅读仓库 README 与许可证；按官方推荐方式安装（容器或包管理器）
  • 第 2 天：完成第一个任务「自然语言问数」，按下文提示词操作。
  • 第 3 天：换一类任务「图表建议」，对比两次结果的质量。
  • 第 4 天：学习关键概念：口径、文本转 SQL、语义层。
  • 第 5 天：用真实工作材料做一次「指标异动解读」，记录省下的时间和需要返工的地方。
  • 第 6 天：排查问题：对照常见问题「AI 算出的数字和报表不一致」等检查自己的用法。
  • 第 7 天：复盘：保留有效的提示词，写下继续使用或放弃的理由。

第 2 天的练习材料

自然语言问数

准备材料：一张销售明细表。

请基于这张表回答：上个季度销售额最高的 3 个地区是哪些？与前一季度相比变化多少？请同时给出你使用的计算方法或 SQL，便于我复核。

验收标准：给出了可复核的计算过程。

一周后怎么判断值不值得继续

  • 是否稳定地节省了时间，而不只是第一次觉得新鲜。
  • 返工次数是否在下降。
  • 与 Langfuse 等同类相比，是否更适合你的场景。
  • 数据与费用是否在可接受范围内。

延伸练习

写 SQL 查询

适用情况：手头有数据库表结构说明时。

根据以下表结构写 SQL：统计每个月新增用户数和其中完成首单的比例。请说明关联条件和可能存在的口径问题。

验收标准：说明了口径问题。

数据清洗方案

适用情况：手头有一份有缺失和异常值的数据时。

分析这份数据的质量问题：缺失值比例、异常值、格式不一致的字段，给出处理建议，并说明每种处理方式对结论的影响。

验收标准：说明了处理对结论的影响。

评测大模型应用

准备材料：一批真实用户问题和应用回答。

为这批回答设计评测：定义 4 个评分维度，写出评分标准，抽取 20 条进行人工打分，并统计各维度的问题类型。

检查点：评分标准清晰可复用。

常见问题：图表结论被过度解读

区分相关与因果，在报告中标注假设。

常见问题：生成的 SQL 运行报错

提供准确的表结构和字段说明，先在测试库运行。

常见问题：问数结果看似合理但错误

准备几道已知答案的问题做抽检。

概念补充：文本转 SQL

把自然语言问题转换为数据库查询语句。

概念补充：异常检测

自动发现偏离正常范围的数据点。

适合人群：咨询顾问

咨询顾问可以用 Phoenix 处理行业研究、访谈整理等工作。需要注意：客户机密遵守保密协议，研究结论注明来源。

适合人群：数据分析师

数据分析师可以用 Phoenix 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

使用提醒

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

文中提示词和示例仅作示意，实际效果取决于你的材料和 Phoenix 当前版本，重要内容请人工核对后再使用。

延伸阅读