@ramarivera/pi-langfuse
将Pi模型调用与工具活动导出至Langfuse进行追踪分析
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：@ramarivera/pi-langfuse。 它的用途是：将Pi模型调用与工具活动导出至Langfuse进行追踪分析 完整的 Skill 内容见：https://321skill.com/skills/ramarivera-pi-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
“帮我分析一下上个月问答Agent的调用情况和Token消耗成本。” 安装此Skill后，Pi Agent的所有模型调用和工具使用都会被自动记录并发送到Langfuse。你可以在Langfuse的仪表板中，直观地查看每次会话的详细轨迹、各步骤耗时及资源消耗，轻松生成成本与性能分析报告。
介绍
该Skill是一个Pi平台的扩展，主要解决开发者在构建AI应用时难以追踪和分析模型调用、工具使用及成本消耗的问题。它通过集成OpenTelemetry标准，自动将Pi Agent运行过程中产生的模型使用情况（如调用次数、Token消耗）和工具活动记录，实时导出到Langfuse平台。
使用时，开发者只需在Pi项目中安装并配置此扩展，它便会自动捕获遥测数据并发送至用户自己的Langfuse实例。这通常需要用户预先在Langfuse平台创建项目并获取相应的API密钥等认证信息，然后在Skill中进行配置即可，无需修改核心业务代码。
该Skill非常适合正在使用Pi框架开发AI应用，并希望实现生产环境可观测性、进行性能监控、成本分析或调试复杂Agent工作流的开发者和团队。通过Langfuse提供的可视化面板，他们可以清晰地洞察AI交互的每个环节。
使用建议是，在将Agent部署到测试或生产环境前集成此Skill，以便从一开始就积累可分析的数据。需要注意的是，它依赖于外部的Langfuse服务，因此需要确保网络可达性，并妥善管理敏感的身份验证信息，避免泄露。
核心特点
与同类仅记录简单日志的监控工具不同，它基于OpenTelemetry标准，提供了结构化、标准化的可观测性数据导出能力，并能与Langfuse的AI tracing平台深度集成，实现开箱即用的可视化分析与追踪。
注意事项
不适合仅需本地简单日志记录、不希望引入外部依赖服务（Langfuse）或网络环境受限的场景。
常见问题
这个Skill需要自己部署Langfuse吗？
是的，需要您拥有可访问的Langfuse实例（云服务或自托管）。
它会影响Pi Agent的运行性能吗？
影响很小，数据是异步导出的，对主流程性能影响可忽略。
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/ramarivera-pi-langfuse/raw/index.md 读取 @ramarivera/pi-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/ramarivera-pi-langfuse/raw/index.md（查看排版版本）