README.Cn

<span>Langfuse 使用 <a href="https://github.com/orgs/langfuse/discussions"><strong>GitHub Discussions</strong></a> 作为支持和功能请求的平台。</span>

<span><b>我们正在招聘。</b> <a href="https://langfuse.com/careers"><strong>加入我们</strong></a>，从事产品工程和技术市场职位。</span>

Langfuse 是一个 开源 LLM 工程 平台。它帮助团队协作 开发、监控、评估 以及 调试 AI 应用。Langfuse 可在几分钟内 自托管，并且经过 实战考验。

✨ 核心特性

• LLM 应用可观察性：为你的应用插入仪表代码，并开始将追踪数据传送到 Langfuse，从而追踪 LLM 调用及应用中其他相关逻辑（如检索、嵌入或代理操作）。���查并调试复杂日志及用户会话。试试互动的 演示 看看效果。

• 提示管理 帮助你集中管理、版本控制并协作迭代提示。得益于服务器和客户端的高效缓存，你可以在不增加延迟的情况下反复迭代提示。

• 评估 是 LLM 应用开发流程的关键组成部分，Langfuse 能够满足你的多样需求。它支持 LLM 作为"裁判"、用户反馈收集、手动标注以及通过 API/SDK 实现自定义评估流程。

• 数据集 为评估你的 LLM 应用提供测试集和基准。它们支持持续改进、部署前测试、结构化实验、灵活评估，并能与 LangChain、LlamaIndex 等框架无缝整合。

• LLM 试玩平台 是用于测试和迭代提示及模型配置的工具，缩短反馈周期，加速开发。当你在追踪中发现异常结果时，可以直接跳转至试玩平台进行调整。

• 综合 API：Langfuse 常用于驱动定制化的 LLMOps 工作流程，同时利用 Langfuse 提供的构建模块和 API。我们提供 OpenAPI 规格、Postman 集合以及针对 Python 和 JS/TS 的类型化 SDK。

📦 部署 Langfuse

Langfuse Cloud

由 Langfuse 团队管理的部署，提供慷慨的免费额度（爱好者计划），无需信用卡。

自托管 Langfuse

在你自己的基础设施上运行 Langfuse：

• 本地（docker compose）：使用 Docker Compose 在你的机器上于 5 分钟内运行 Langfuse。

  bash:README.md/docker-composeCopy

  # 获取最新的 Langfuse 仓库副本
  git clone https://github.com/langfuse/langfuse.git
  cd langfuse
  
  # 运行 Langfuse 的 docker compose
  docker compose up
  

• Kubernetes（Helm）：使用 Helm 在 Kubernetes 集群上部署 Langfuse。这是推荐的生产环境部署方式。

• 虚拟机：使用 Docker Compose 在单台虚拟机上部署 Langfuse。

• Terraform 模板: AWS、Azure、GCP

请参阅 自托管文档 了解更多关于架构和配置选项的信息。

🔌 集成

主要集成：

与 Langfuse 集成的软件包：

🚀 快速入门

为你的应用增加仪表代码，并开始将追踪数据上传到 Langfuse，从而记录 LLM 调用及应用中其他相关逻辑（如检索、嵌入或代理操作）。

1️⃣ 创建新项目

1. 创建 Langfuse 账户 或 自托管
2. 创建一个新项目
3. 在项目设置中创建新的 API 凭证

2️⃣ 记录你的第一个 LLM 调用

使用 <code>@observe()</code> 装饰器 可轻松跟踪任何 Python LLM 应用。在本快速入门中，我们还使用了 Langfuse 的 OpenAI 集成 来自动捕获所有模型参数。

[!提示] 不使用 OpenAI？请访问 我们的文档 了解如何记录其他模型和框架。

安装依赖：

pip install langfuse openai

配置环境变量（创建名为 .env 的文件）：

LANGFUSE_SECRET_KEY="sk-lf-..."
LANGFUSE_PUBLIC_KEY="pk-lf-..."
LANGFUSE_BASE_URL="https://cloud.langfuse.com" # 🇪🇺 欧盟区域
# LANGFUSE_BASE_URL="https://us.cloud.langfuse.com" # 🇺🇸 美洲区域

创建示例代码（文件名：main.py）：

from langfuse import observe
from langfuse.openai import openai  # OpenAI 集成

@observe()
def story():
    return openai.chat.completions.create(
        model="gpt-4o",
        messages=[{"role": "user", "content": "What is Langfuse?"}],
    ).choices[0].message.content

@observe()
def main():
    return story()

main()

3️⃣ 在 Langfuse 中查看追踪记录

在 Langfuse 中查看你的语言模型调用及其他应用逻辑。

Langfuse 中的公共示例追踪

[!提示]

了解更多 关于 Langfuse 中的追踪，或试试 互动演示。

⭐️ 给我们加星

💭 支持

查找问题答案：

• 我们的 文档 是查找答案的最佳起点。内容全面，我们投入大量时间进行维护。你也可以通过 GitHub 提出文档修改建议。
• Langfuse 常见问题 解答了最常见的问题。
• 使用 "Ask AI" 立即获取问题答案。

支持渠道：

• 在 GitHub Discussions 的 公共问答 中提出任何问题。 请尽量提供详细信息（如代码片段、截图、背景信息）以帮助我们理解你的问题。
• 在 GitHub Discussions 中 提出功能请求。
• 在 GitHub Issues 中 报告 Bug。
• 对于时效性较强的问题，请通过应用内聊天小部件联系我们。

🤝 贡献

欢迎你的贡献！

• 在 GitHub Discussions 中为 想法投票。
• 提出并评论 问题。
• 提交 PR —— 详情请参见 CONTRIBUTING.md，了解如何搭建开发环境。

🥇 许可证

除 ee 文件夹外，本仓库采用 MIT 许可证。详情请参见 LICENSE 以及 文档。

⭐️ 星标历史

❤️ 使用 Langfuse 的开源项目

以下是使用 Langfuse 的顶级开源 Python 项目，按星标数排名（来源）：

🔒 安全与隐私

我们非常重视数据安全和隐私。更多信息请参阅我们的 安全与隐私 页面。

遥测

默认情况下，Langfuse 会自动将自托管实例的基础使用统计数据上传至集中服务器（PostHog）。

这有助于我们：

1. 了解 Langfuse 的使用情况，并改进最关键的功能。
2. 跟踪整体使用数据，以便内部及外部（例如筹款）报告。

遥测数据不包括原始 traces、prompts、observations、scores 或数据集内容。我们在遥测文档中记录了收集的确切字段、这些数据会被发送到哪里，以及相关实现说明。

对于 Langfuse OSS，你可以通过设置 TELEMETRY_ENABLED=false 来选择退出。