让 Agent 自己下厨：用 Skills 评估并改进你的应用——Ankur Duggal，Arize AI

Arize AI 的 Ankur Duggal 演示一个金融 Agent 出现编造答案、重复调用工具、生成被自身评估判定为错误的摘要等失败。他通过 Arize 的 CLI 和 skills 把这些失败接入编码 Agent，让其调查 trace、修改应用并运行实验。演示从一个看似合理但缺乏足够上下文支撑建议的投资问题开始，trace 暴露出其下的 supervisor、专家 Agent、模型调用与工具，从而把笼统的质量抱怨转化为对具体失败步骤的证据。随后他配置 CLI profile 与 skills，展示编码 Agent 将 span 和评估结果拉入本地工作区，调查发现数值依据问题、编造回答、冗余搜索以及 Agent 静默绕过的失败；早前实验还针对美国以外的股票查询，仅改变国家上下文。

AI推荐理由 来自 AI Engineer 频道的技术演讲，内容具体：用 Arize CLI 与 skills 让编码 Agent 读取 trace 和评估结果，定位金融 Agent 的数值依据缺失、编造回答、重复工具调用等问题，并据此修改应用、跑实验。属于可复现的 Agent 可观测性与评估工作流，对做 Agent 调试的开发者有参考价值。局限是仅为会议演讲摘要，未给出量化效果或独立验证，且发布时间为存储时间，不能视为新发布。