用途：在生产环境中监控 AI 的质量、安全与成本，及时发现模型退化、输入漂移、成本上涨等问题。适用于任何已上线的 AI 功能、模型或提示词变更后，以及合规需要持续证据的场景。
主要能力：定义监控指标（质量、安全、性能、成本）；构建评估指标，包括有标注的质量指标与无标注的 LM-as-judge 质量/安全评判；用 Evaluate 批量评估并写入 monitoring_log.jsonl；通过 check_for_degradation 对比基线检测下降；用 MonitoredProgram 包装生产程序记录输入、输出与延迟；对生产流量采样评估；按阈值触发告警。
使用方式：复用 /ai-improving-accuracy 的指标模式，定义 quality_judge、safety_metric 等函数，运行 run_evaluation 记录分数，再用 monitoring_check 完成评估、对比与告警。可按流量与风险设定频率（如每小时、每天、每周），以 cron、计划任务或 CI 运行。也可接入可观测平台：Langtrace（pip install langtrace-python-sdk，langtrace.init(api_key="...")，自动追踪 DSPy 调用）、Arize Phoenix（pip install arize-phoenix openinference-instrumentation-dspy，px.launch_app() 与 DSPyInstrumentor().instrument()）、W&B Weave（pip install weave，weave.init("my-ai-project") 与 @weave.op()）。
限制与注意：资料未提供具体价格、平台收费与效果数据。安全告警阈值建议低于质量告警（如安全下降超 1%、质量下降超 5%）；每次优化后需更新基线；参考评估集应保持新鲜。安装入口：npx skills add lebsral/DSPy-Programming-not-prompting-LMs-skills --skill ai-do。