ai-engineering-from-scratch-zh/phases/14-agent-engineering/24-agent-observability-platforms/quiz.json at main · fancyboi999/ai-engineering-from-scratch-zh · GitHub

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
{
  "lesson": "24-agent-observability-platforms",
  "title": "Agent 可观测性：Langfuse、Phoenix、Opik",
  "questions": [
    {
      "stage": "pre",
      "question": "在 2025 年 6 月把原先的商业模块开源后，Langfuse 以什么许可证发布？",
      "options": [
        "GPLv3",
        "MIT",
        "Elastic License 2.0",
        "Apache 2.0"
      ],
      "correct": 1,
      "explanation": "2025 年 6 月后，Langfuse 是 MIT，包括 LLM-as-a-judge、标注队列、prompt 实验和 Playground。"
    },
    {
      "stage": "pre",
      "question": "按本课所说，Arize Phoenix 最擅长什么？",
      "options": [
        "prompt 版本管理",
        "深度的、agent 专属的评估：trace 聚类、异常检测、RAG 检索相关性、OpenInference 自动 instrumentation",
        "自动化优化循环",
        "代码的静态分析"
      ],
      "correct": 1,
      "explanation": "Phoenix 专注于行为漂移和 RAG 评估，配 OpenInference 自动 instrumentation。"
    },
    {
      "stage": "check",
      "question": "哪个平台把自动 prompt 优化与护栏（PII 脱敏、话题约束）以及 LLM 评判的幻觉检测配在一起？",
      "options": [
        "Langfuse",
        "Phoenix",
        "Opik",
        "Jaeger"
      ],
      "correct": 2,
      "explanation": "Opik 以「优化 + 护栏」循环为核心。"
    },
    {
      "stage": "check",
      "question": "本课为带 prompt 管理的一体化推荐哪个平台？",
      "options": [
        "Langfuse",
        "Phoenix",
        "Opik",
        "Datadog APM"
      ],
      "correct": 0,
      "explanation": "Langfuse 端到端覆盖 tracing + prompt 管理 + 评估 + 会话回放。"
    },
    {
      "stage": "check",
      "question": "本课对厂商发布的平台基准怎么说？",
      "options": [
        "它们是权威的",
        "把它们当作方向性参考；用你自己的语料来衡量",
        "它们被 OpenTelemetry 禁止",
        "只有 Opik 的可靠"
      ],
      "correct": 1,
      "explanation": "即便是引用的 Opik 与 Langfuse 之间 14 倍的差距，决定前也应在你自己的数据上衡量。"
    },
    {
      "stage": "post",
      "question": "为什么有 tracing 而无评估被视为昂贵的日志记录？",
      "options": [
        "磁盘比 CPU 贵",
        "你能看到运行但不给它们打分，因此回归不可见、二分定位不可能",
        "提供商对 span 收费",
        "span 无法被重放"
      ],
      "correct": 1,
      "explanation": "评估才是把 trace 转化为可付诸行动的质量信号的东西。"
    },
    {
      "stage": "post",
      "question": "本课关于自建 LLM 评判者的警告是什么？",
      "options": [
        "它们被 Apache 2.0 禁止",
        "CRITIC 适用：评判者需要外部接地来做事实核实，否则就会盖橡皮图章",
        "它们只在 TypeScript 中有效",
        "它们必须在 GPU 上运行"
      ],
      "correct": 1,
      "explanation": "没有基于外部工具的核实，LLM 评判者会漂向盖橡皮图章（CRITIC，第 5 课）。"
    }
  ]
}