用途：在 LLM 或智能体流量中定位问题。对采样的 Phoenix trace、span 或 session 做两阶段分析：开放式编码（open coding）逐条阅读实体并写下具体问题笔记；轴向编码（axial coding）把笔记归并为少量窄标注，每个标注只判断一个维度，并用小标签集计数，供评估设计与修复优先级使用。开放式编码必须先做，否则维度与标签是自上而下臆造的。
主要能力：选择分析单元（trace 为一次输入到输出；span 为 trace 内单个操作；session 为共享 session.id 的 trace 序列）；读取输入、输出、异常、工具调用、检索上下文与轨迹；记录笔记并写入服务端，同时镜像到本地 sidecar；把笔记聚类为维度并定义标签；注册分类标注配置；按维度计数标签。
使用方式：先选编码标注标识符（如 coding-run:chatbot-context-loss-2026-05-06），检查本地 sidecar 是否已存在；本地文件位于 .px/coding/<sanitized-identifier>.jsonl 与 -axial.jsonl。写入可用 Phoenix CLI（px trace add-note、px trace annotate 等）或 GraphQL（createTraceNotes、createTraceAnnotations 等）。每条笔记写入后向 sidecar 追加一行 JSONL。轴向编码从 sidecar 读取笔记，按同一问题聚类，命名标注并选 2 至 4 个互斥标签，再逐实体写入标注并计数。
适用场景：分类器、单次摘要、无状态工具智能体、单查询 RAG 适合 trace 级；孤立机械故障适合 span 级；多轮智能体的上下文丢失、目标漂移适合 session 级。
限制：不要按 span 状态 ERROR 采样，幻觉、语气错误、检索遗漏等常以 OK 或 UNSET 完成；笔记是交付物，只读诊断不算完成；标注写入是同步且按（实体、名称、标识符）upsert；GraphQL 删除无标识符过滤，需先收集节点 id；数据可能冗长，注意上下文占用。未提供具体价格、平台支持范围等信息。