用途：利用 Arize 的生产 trace 数据、评估结果和人工标注来优化、改进与调试 LLM 提示词。
主要能力：从 OpenInference 语义约定的 span 属性中提取提示词，包括 attributes.llm.input_messages（结构化聊天消息）、attributes.llm.prompt_template.template（含 {variable} 占位符的模板）、attributes.input.value（序列化提示词回退来源）等；按 span kind（LLM、Chain/Agent、Tool）定位提示词所在位置；收集性能信号，如 annotation.<name>.label/score/text（人工标注）、eval.<name>.label/score/explanation（LLM 评判）、attributes.output.value（模型输出）与实验输出。
使用方式：通过 ax 命令行工具操作。常用命令包括 ax spans export PROJECT --filter "attributes.openinference.span.kind = 'LLM'" -l 10 --stdout 导出 LLM span；ax spans export PROJECT --trace-id TRACE_ID 导出整条 trace；ax datasets export DATASET_NAME --space SPACE 与 ax experiments export EXPERIMENT_NAME --dataset DATASET_NAME --space SPACE 导出数据集与实验结果；用 jq 提取消息、模板与变量，并将数据集与实验按 example_id 合并。随后把原始提示词与性能数据填入优化元提示词模板，交由 LLM 生成修订版消息数组，再创建新实验对比分数、失败率与翻转样例，循环迭代。
适用场景：从失败 trace 优化提示词、基于数据集与实验优化、修复输出格式错误、降低 RAG 提示词幻觉等。
限制与注意：需具备 Arize 凭据（ax profiles）与相应 space/project；LLM 提供方密钥需通过 ax ai-integrations 获取，缺失时需用户提供；不得读取 .env 或搜索文件系统获取凭据；优化时须保留模板变量名称与占位符，避免过拟合，不将真实测试数据逐字写入提示词。资料未提供具体收费、价格与平台支持范围。