用途：为 LLM 应用首次添加 Arize AX 追踪，按“分析—实施”两阶段智能体辅助流程执行。用户可先让智能体遵循 https://arize.com/docs/PROMPT.md 的说明并提问。
主要能力：阶段 0 做环境预检，确认仓库/服务范围、包管理器与启动命令、应用类型，不主动检查 ax 安装。阶段 1 只读分析：检查依赖清单（pyproject.toml、requirements.txt、package.json、pom.xml、go.mod 等）、扫描 import、识别已有 OTel/追踪配置、确定语言、包管理器、LLM 提供商、框架、工具调用等，并输出简洁摘要。阶段 2 实施：按匹配文档安装包并埋点，创建集中式 instrumentation 模块，在创建 LLM 客户端前初始化追踪；已有 TracerProvider 时仅追加 Arize 导出器。
用法要点：Python 用 pip install arize-otel 加 openinference-instrumentation-{name}；TypeScript/JavaScript 用 @opentelemetry/sdk-trace-node 加相关 @arizeai/openinference-* 包；Java 用 OpenTelemetry SDK 加 openinference-instrumentation-*；Go 用 go get go.opentelemetry.io/otel 等，端点用 otlptracehttp.WithEndpoint("otlp.arize.com")（美国）或 otlptracehttp.WithEndpoint("otlp.eu-west-1a.arize.com")（欧盟），并传 space_id、api_key 头。凭据通过 ax profiles show/create 或环境变量设置，代码中只引用 os.environ["ARIZE_API_KEY"]、process.env.ARIZE_API_KEY、os.Getenv("ARIZE_API_KEY")，绝不写入明文。项目名必填，缺失会导致 HTTP 500。短生命周期进程退出前需 flush/shutdown。工具调用场景需手动添加 CHAIN 与 TOOL span，并设置 openinference.span.kind、input.value、output.value 等属性。
适用场景：Python、TypeScript/JavaScript、Java、Go 的 LLM 应用，覆盖 OpenAI、Anthropic、LangChain、LangGraph、LlamaIndex、Vercel AI SDK 等集成。
限制：Go 暂无一方自动埋点包，需手动设置 OpenInference 属性；不修改业务逻辑；不生成额外文档；具体收费、价格与效果资料暂未提供。