Pular para o conteúdo
Skillpedia
EN
Agentes40 mil · #5265

phoenix-tracing

Ajuda seu agente a rastrear e entender o fluxo de dados em aplicações de IA. É útil para monitorar o desempenho e identificar problemas.

O que ela faz

Esta ferramenta ajuda a rastrear e entender como seus programas de inteligência artificial funcionam. Ela registra cada passo, como uma câmera gravando um evento, para que você possa ver o que aconteceu.

Quando usar

  • ✓Quando você está configurando o rastreamento para IA.
  • ✓Ao criar etapas personalizadas para rastrear em seu código.
  • ✓Ao preparar seu sistema para uso em produção.

Exemplo do que pedir para a IA

“Como configuro o rastreamento para Python?”

Quer saber mais? Abra as seções abaixo.

Como usar

O jeito mais fácil: copie a mensagem abaixo e cole no Claude, ChatGPT, Cursor ou outra IA. Ela lê a skill e segue as instruções.

Link da skill

https://github.com/github/awesome-copilot/blob/main/skills/phoenix-tracing/SKILL.md

Mensagem pronta para colar

Use esta skill para me ajudar: https://github.com/github/awesome-copilot/blob/main/skills/phoenix-tracing/SKILL.md Leia o arquivo SKILL.md desse link e siga as instruções dele na minha tarefa.
Ver no GitHub ↗Arquivo bruto
Como funciona

Ela funciona registrando informações detalhadas sobre as operações da IA, como quais modelos foram usados, quanto tempo levou e quais dados foram processados. Isso cria um 'rastro' que pode ser analisado.

Instalação

Jeito mais fácil: copie o link da skill e cole no Claude, ChatGPT ou Cursor pedindo para seguir as instruções.

No terminal (Claude Code, Codex, Cursor), na pasta do projeto:

npx skills add github/awesome-copilot --skill phoenix-tracing

Ou baixe só o arquivo:

curl -L https://raw.githubusercontent.com/github/awesome-copilot/main/skills/phoenix-tracing/SKILL.md -o SKILL.md
Conteúdo técnico (SKILL.md)

Tradução do texto original do autor no GitHub. Os comandos e códigos estão como no original.

Rastreamento Phoenix

Guia completo para instrumentar aplicações LLM com rastreamento OpenInference no Phoenix. Contém arquivos de referência cobrindo configuração, instrumentação, tipos de span e implantação em produção.

Quando Aplicar

Consulte estas diretrizes quando:

  • Configurar o rastreamento Phoenix (Python ou TypeScript)
  • Criar spans personalizados para operações LLM
  • Adicionar atributos seguindo as convenções OpenInference
  • Implantar rastreamento em produção
  • Consultar e analisar dados de rastreamento

Categorias de Referência

Prioridade Categoria Descrição Prefixo
1 Configuração Instalação e configuração setup-*
2 Instrumentação Rastreamento automático e manual instrumentation-*
3 Tipos de Span 9 tipos de span com atributos span-*
4 Organização Projetos e sessões projects-*, sessions-*
5 Enriquecimento Metadados personalizados metadata-*
6 Produção Processamento em lote, mascaramento production-*
7 Feedback Anotações e avaliação annotations-*

Referência Rápida

1. Configuração (COMECE AQUI)

2. Instrumentação

3. Tipos de Span (com esquemas de atributos completos)

4. Organização

5. Enriquecimento

6. Produção (CRÍTICO)

7. Feedback

Arquivos de Referência

Fluxos de Trabalho Comuns

  • Início Rápido: setup-{lang} → instrumentation-auto-{lang} → Verificar Phoenix
  • Spans Personalizados: setup-{lang} → instrumentation-manual-{lang} → span-{type}
  • Rastreamento de Sessão: sessions-{lang} para padrões de agrupamento de conversas
  • Produção: production-{lang} para processamento em lote, mascaramento e implantação

Como Usar Esta Habilidade

…

Perguntas frequentes

O que são 'spans'?

'Spans' são como registros individuais de uma ação específica dentro do rastreamento, como uma chamada a um modelo de IA ou a busca de informações.

O que é 'OpenInference'?

OpenInference é um padrão que ajuda a garantir que as informações de rastreamento sejam consistentes entre diferentes ferramentas.

Preciso saber programar para usar isso?

Para configurar e usar as funcionalidades básicas, um conhecimento básico de programação é útil. No entanto, a análise dos rastros pode ser feita por alguém que não programa.

Detalhes

Descrição original do autor

OpenInference semantic conventions and instrumentation for Phoenix AI observability. Use when implementing LLM tracing, creating custom spans, or deploying to production.

repo: github/awesome-copilot

Popularidade

Estrelas no GitHub
40 mil
Posição no ranking
#5265
Licença
MIT
Atualizada em
15/10/2026

Essa skill é útil?

0

Entre para votar.

Comentários

  • …

Mais skills deste repositório

Documentação40 mil

acquire-codebase-knowledge

Ajuda seu agente a entender e documentar um projeto de código existente. É útil para novas pessoas entrarem no projeto ou para ter uma visão geral da arquitetura.

github/awesome-copilot

Documentação40 mil

acreadiness-assess

Faz seu agente avaliar a prontidão de um projeto para IA e gerar um relatório. É útil para entender o quão bem um projeto está preparado para usar ferramentas de IA.

github/awesome-copilot

Documentação40 mil

acreadiness-generate-instructions

Ajuda seu agente a criar instruções para ferramentas de IA baseadas em uma avaliação. É útil para melhorar a forma como a IA interage com o código e fecha lacunas identificadas.

github/awesome-copilot

Agentes40 mil

acreadiness-policy

Faz seu agente ajudar a definir ou aplicar políticas para avaliação de projetos de IA. É útil para padronizar a forma como os projetos são avaliados e garantir conformidade.

github/awesome-copilot

Skills parecidas

Agentes280 mil

agent-architecture-audit

Faz seu agente verificar se tudo está funcionando corretamente. Ele encontra e conserta problemas em sistemas de IA, garantindo que funcionem como esperado.

affaan-m/ECC

Agentes280 mil

agent-eval

Ajuda seu agente a comparar diferentes ferramentas de programação de IA. Ele mede qual é mais rápido, barato e confiável para realizar tarefas específicas.

affaan-m/ECC

Agentes280 mil

agent-harness-construction

Faz seu agente entender melhor como realizar tarefas. Ele otimiza as ferramentas e instruções que o agente usa para aumentar suas chances de sucesso.

affaan-m/ECC