Langfuse 是一个开源的 LLM 可观测性与评估平台，核心功能包括调用链追踪（Tracing）、提示词管理、评分体系和实验对比，通常被接入到大模型或智能体应用中用于监控线上表现、组织离线测试。它与 LangSmith、Braintrust、Arize 等同处一个赛道，开源与可自部署是其主要差异化标签。
Langfuse 近期进展
当前焦点与观察点
Langfuse 生态当前的主要话题，是从「记录发生了什么」转向「决定什么能上线」。追踪和日志只是起点，行业讨论的重点已经移到评估门禁：把自动化评分、数据集回放和人工标注结果做成发布前的硬性关卡。这一趋势在智能体场景尤其明显——Agent 的多步轨迹让传统单次调用的评估方式失效，学术侧也出现了 Annotrace 这类面向轨迹的步骤级标注工作台研究，与平台侧的评估功能形成呼应。
值得关注的观察点有三个：一是评估结果能否在工程团队中形成一致口径，避免「自评自过」；二是开源方案与企业级托管需求之间的权衡，Langfuse 的自部署属性在数据敏感场景中持续被讨论；三是各大平台的对比评测频繁出现，说明该赛道竞争仍在加剧，选型尚未收敛。