开发工具 / 全球
Langfuse：把 LLM 追踪、提示词与评测放进同一平台
Langfuse 帮助团队观察、调试和评估 AI 应用，把模型调用、检索和代理动作组织为可检查的追踪记录。它同时提供提示词管理、数据集和实验工具，支持托管或自建。
+509近 7 天 Star
36,775总 Star
从一次坏回答追到调用过程
Langfuse 的可观测能力记录 LLM 调用以及检索、Embedding、代理动作等相关逻辑，让团队查看复杂任务和用户会话。它不只展示最终文本，还提供分析执行过程的入口。发现不理想结果后，可以进入 Playground 调整提示与模型配置，缩短定位和试验之间的距离。
评测连接日常开发
平台支持模型评委、代码评测、人工标注、用户反馈以及自定义评估流程。数据集可用作测试集和基准，并通过实验比较不同方案；提示词管理则提供版本和协作能力。这样的组合适合把偶然遇到的失败样例转化为可重复验证的开发材料，而不只依赖主观浏览输出。
接入与部署选择
仓库列出 Python、JavaScript/TypeScript SDK，以及 OpenAI、LangChain、LlamaIndex 等集成。用户可以使用云端服务，也可通过 Docker Compose、虚拟机或 Kubernetes 自建。编辑解读：追踪、评测和提示词管理能够互相补充，但需要应用实际发送记录，并设计自己的评测数据，安装平台本身不会自动产生可靠结论。