langfuse
开源LLM应用开发与监控平台
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：langfuse。 它的用途是：开源LLM应用开发与监控平台 完整的 Skill 内容见：https://321skill.com/skills/langfuse/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我集成 Langfuse 到我的聊天机器人项目里，监控每次用户对话的模型调用和耗时。”，它会引导你安装 SDK 并初始化，之后所有对话的详细追踪数据都会在 Langfuse 仪表盘展示。或者
对AI说：“在 Langfuse 里对比一下‘提示词A’和‘提示词B’在100条测试数据上的平均得分和成本。”，它会指导你如何创建数据集、运行批量评估并查看对比报告。
介绍
Langfuse 是一个开源的 LLM 工程平台，旨在解决 AI 应用在开发、部署和迭代过程中难以追踪、调试和评估的痛点。它通过提供精细化的日志记录、追踪链（Trace）可视化、成本计算和基于反馈的评估等功能，帮助开发者洞察 AI 应用的内部运作，优化提示词、模型选择并监控性能。
使用 Langfuse，开发者只需通过其 Python 或 Node.js SDK 集成到现有应用中，即可自动捕获 LLM 调用、输入输出、延迟、成本和用户反馈等数据。这些数据会发送到 Langfuse 服务器（可选择云端托管或自部署），并在其仪表盘中以直观的追踪链形式呈现，便于进行根因分析和效果对比。
该工具非常适合正在构建或维护基于 LLM 的应用程序的开发者、工程师和产品团队，尤其是那些需要确保应用可靠性、控制成本并持续改进模型响应的团队。无论是初创公司还是大型企业，只要涉及复杂的 LLM 工作流，都能从中受益。
与许多仅提供基础日志或仅限于特定框架（如 LangChain）的监控工具不同，Langfuse 设计为与框架无关，支持原生 OpenAI SDK、LangChain、LlamaIndex 等多种集成方式。其核心优势在于将分散的观测数据（日志、指标、追踪）在 LLM 应用上下文中统一关联起来，并提供了一套专为 LLM 迭代优化而设计的分析工具，如提示词版本管理、基于数据集的评估等，形成了一个更完整的 LLM 运维（LLMOps）闭环。
核心特点
Langfuse 的核心区别在于其提供了专为 LLM 应用设计的端到端追踪与评估工作流，不仅记录日志，更通过可视化的追踪链（Trace）将单次请求的完整执行过程（包括多步骤、多模型调用）关联起来，并内置了提示词管理、基于数据集的自动化评估等深度优化功能。
注意事项
对于仅需简单日志记录或单体、非 LLM 应用的场景，Langfuse 可能显得过于复杂；此外，自托管部署需要一定的运维成本。
常见问题
Langfuse 和 LangChain 是什么关系？
Langfuse 可以独立于 LangChain 使用，也提供了对 LangChain 的深度集成支持，用于监控和调试基于 LangChain 构建的应用。
Langfuse 是免费的吗？
Langfuse 核心是开源的（MIT 协议），可以免费自托管；同时也提供付费的云端托管服务，包含更多高级功能和支持。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/langfuse/raw/index.md 读取 langfuse 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/langfuse/raw/index.md（查看排版版本）