langfuse
langfuse（langfuse/langfuse）是一款面向LLM 应用可观测性与调试的开源项目。Langfuse 是面向 LLM 应用工程化的开源平台，提供从开发到上线后的可观测与评估闭环。它支持采集 trace、会话与模型调用日志，定位检索、Agent、推理链路问题；同时提供 Prompt 管理与版本协作、Playground 快速试验、数据集与多种评测方式（LLM-as-a-judge、人工标注、用户反馈）。适合需要持续迭代、质量监控与团队协作的 AI 产品团队。
项目简介
Langfuse 是面向 LLM 应用工程化的开源平台，提供从开发到上线后的可观测与评估闭环。它支持采集 trace、会话与模型调用日志，定位检索、Agent、推理链路问题；同时提供 Prompt 管理与版本协作、Playground 快速试验、数据集与多种评测方式（LLM-as-a-judge、人工标注、用户反馈）。适合需要持续迭代、质量监控与团队协作的 AI 产品团队。
适合谁优先上手
安装方式
部署可选托管版 Langfuse Cloud（免自建）或自托管。自托管支持本地 Docker Compose、单机 VM（Docker Compose）、Kubernetes + Helm（推荐生产）以及 AWS/Azure/GCP 的 Terraform 模板。最小前置是可运行 Docker 的环境；若走 K8s 需准备集群与 Helm。快速本地体验可克隆仓库后执行 `docker compose up` 启动，再按文档完成实例配置与访问。
使用说明
启动后先在项目中接入 Langfuse SDK（Python 或 JS/TS），或使用 OpenAI、LangChain、LlamaIndex、LiteLLM 等集成进行自动埋点，优先验证 traces 与会话是否成功上报。随后在控制台查看调用链、延迟与错误，定位问题样本；将异常样本跳转到 Playground 调整 Prompt 与模型参数，再通过评测与数据集运行对比版本效果。需要自定义 LLMOps 流程时，可使用其 API、OpenAPI 与 typed SDK 进行二次集成。
部署与运营建议
部署前先看
部署 langfuse 时，建议先跑最小可用版本，再补域名、权限、备份、监控这些正式环境必需项。
- 推荐优先评估 Langfuse Cloud、Docker Compose 这类成熟部署路径。
- 如果依赖数据库、缓存、中间件较多，先固定版本号和数据目录，再做联调。
- 不要跳过回滚方案设计；上线失败后能不能快速回退，比一次装成功更重要。
长期维护怎么看
真正决定 langfuse 值不值得长期保留的，不是首日安装成功，而是后续运维和团队接手成本。
- 建议在内部记录登录入口、关键配置、升级步骤和排障入口，避免工具变成“只有部署者自己懂”的孤岛。
- 优先把它接进 LLM 应用可观测性与调试、Prompt 管理与版本控制 这类高频场景，才能更快验证 ROI。
- 每隔一段时间复盘：它到底替代了什么、节省了什么、后续是否还值得继续维护。
优势与注意事项
这个项目的加分点
- 已有提炼后的项目摘要，能更快判断是否值得试跑
- 支持 Langfuse Cloud、Docker Compose、VM (Docker Compose) 等部署方式，落地路径相对明确
- 适用场景已经比较明确，可直接对照 LLM 应用可观测性与调试、Prompt 管理与版本控制 等业务需求评估
- 标签覆盖 analytics、llm-observability、llm-evaluation，利于后续做站内专题聚合
上正式环境前要注意
- 部署链路和依赖项可能偏多，正式上线前应先做回滚演练
中国用户部署时重点关注
常见问题 FAQ
langfuse 是什么？
langfuse（langfuse/langfuse）是一款面向LLM 应用可观测性与调试的开源项目。Langfuse 是面向 LLM 应用工程化的开源平台，提供从开发到上线后的可观测与评估闭环。它支持采集 trace、会话与模型调用日志，定位检索、Agent、推理链路问题；同时提供 Prompt 管理与版本协作、Playground 快速试验、数据集与多种评测方式（LLM-as-a-judge、人工标注、用户反馈）。适合需要持续迭代、质量监控与团队协作的 AI 产品团队。
langfuse 适合谁？
如果你正在寻找围绕“LLM 应用可观测性与调试”的开源方案，并希望保留私有化部署或自主可控能力，langfuse 值得优先试跑。
langfuse 怎么部署更稳？
建议优先按照 Langfuse Cloud、Docker Compose、VM (Docker Compose)、Kubernetes (Helm)、Terraform (AWS/Azure/GCP) 这类官方或社区成熟方案做最小可用部署，先验证核心流程，再决定是否做正式上线。
langfuse 在中国用户环境下要注意什么？
重点检查镜像拉取、依赖下载、文档访问速度，以及邮件、Webhook、对象存储等外部依赖是否能顺利联调。
langfuse 的部署复杂度高吗？
langfuse 目前可归为“高”复杂度：建议根据依赖项数量、部署方式和后续运维能力来决定是否进入正式环境。