用途：为 GenAI 智能体搭建生产级持续监控，覆盖注册评分器、按需评估、MLflow 追踪归档与历史指标回填。
两种方式：注册评分器适合持续监控，采样率可配置（1-100%），成本较高；按需 assess() 适合周期性或临时评估，运行时为 100%，成本较低。
注册评分器：用 @scorer 定义评分函数，返回 Score(value, rationale)，再通过 mlflow.models.register_scorer(scorer=..., name=..., sampling_rate=...) 注册，并以 scorer_instance = scorer.start() 启动持续监控。采样率参考：安全 100%，相关性 10-20%，规范 5-10%，自定义 1-5%。
按需评估：调用 mlflow.genai.assess(traces=traces_df, evaluators=[...]) 对指定时间范围内的追踪进行评估，结果可记录到实验。
追踪归档：使用 mlflow.enable_databricks_trace_archival(catalog=..., schema=..., table=...) 将追踪写入 Unity Catalog 的 Delta 表，之后可查询分析。
关键限制：评分器必须使用不可变模式，scorer = scorer.start() 返回新实例，禁止直接 scorer.start() 修改原对象。外部辅助函数需在评分器函数内部导入，避免模块级导入在生产环境失败。
部署前检查：确认不可变模式、采样率、生命周期管理、外部导入位置、assess 实现、追踪查询与归档、指标回填等。参考文件包括 registered-scorers.md、trace-archival.md、metric-backfill.md、monitoring-dashboard-queries.md 及 register_production_scorers.py。具体价格、平台支持范围等资料未提供。