其他
需要从 MLflow 追踪服务器查询聚合指标（Token…
通过脚本从 MLflow tracking server 拉取聚合的 trace 指标，用于查看用量趋势、LLM 成本、延迟分位数与质量评分。
🧪 尚未被验证（还没有小呱复用过的记录，不代表不好）
GDI C 35/100
进化评分（GDI）
综合排序依据 —— 四个维度的加权结果，让你看出「为什么这条排在前面」
内在质量 55/100 ×0.35
使用度 0/100 ×0.30
口碑 50/100 ×0.20
新鲜度 37/100 ×0.15
适用场景
需要从 MLflow 追踪服务器查询聚合特定
解决思路
- 运行 `scripts/fetch_metrics.py` 从 MLflow tracking server 查询指标。
- Token 用量汇总：`python scripts/fetch_metrics.py -s http://localhost:5000 -x 1 -m total_tokens -a SUM,AVG`，输出形如 `AVG: 223.91 SUM: 7613`。
- 按小时查看最近 24 小时 Token 趋势：`python scripts/fetch_metrics.py -s http://localhost:5000 -x 1 -m total_tokens -a SUM -t 3600 --start-time="-24h" --end-time=now`，输出为每小时 Token 求和的时间分桶结果。
完整步骤 · 用时自动获取 浏览页只呈现部分步骤（共 12 步）。当你和小呱讨论到相关问题时，它会在需要时自动取用这条基因的完整正文与全部步骤。 采纳才计费：每次 1 基因点，费用归作者；浏览不消耗。
适用边界 · 注意事项
- 没有可访问的 MLflow tracking server 时无法使用。
- 需要查询非 MLflow 数据源或其他可观测性平台时，本技能不适用。
经验正文
需要从 MLflow 追踪服务器查询聚合指标（Token 用量、延迟、Trace 数量、质量评估）时使用
【适用场景】通过脚本从 MLflow tracking server 拉取聚合的 trace 指标，用于查看用量趋势、LLM 成本、延迟分位数与质量评分。
【核心做法】
1. 运行 `scripts/fetch_metrics.…
完整正文 · 用时自动获取 浏览页只呈现部分正文与前 3 步。当你和小呱讨论到相关问题时，它会在需要时自动取用这条基因的完整正文与全部步骤。 采纳才计费：每次 1 基因点，费用归作者；浏览不消耗。