人工智能基础知识笔记三十一：Langfuse-深圳市維司達科技有限公司

1、简介

Langfuse是一个专为大语言模型（LLM）应用开发设计的开源可观测性平台。它就像是 LLM 应用的"黑匣子"或"监控仪表盘"，帮助开发者追踪、分析和优化基于 AI 的应用。

它的核心功能如下：

1. 追踪与监控

自动记录：自动追踪每次 LLM 调用、函数执行和用户交互
可视化工作流：以树形结构展示复杂的 AI 应用执行过程
性能指标：监控延迟、成本和 token 使用情况

2. 提示工程管理

版本控制：像 Git 一样管理不同的 prompt 版本
A/B 测试：比较不同 prompt 版本的效果
协作：团队共享和优化提示词

3. 评估与分析

自动评估：使用 AI 评估 AI 回答的质量
人工反馈：收集用户评分和反馈
数据分析：识别模式、异常和优化机会

4. 数据集管理

创建和管理测试数据集
批量运行和评估
持续改进模型性能

2、如何安装

langfuse的安装非常简单，只需要执行以下几条命令就可以了：

# Get a copy of the latest Langfuse repository git clone https://github.com/langfuse/langfuse.git cd langfuse # Run the langfuse docker compose docker compose up

更多信息可以参考：https://github.com/langfuse/langfuse?tab=readme-ov-file

安装完之后，默认的端口是3000，可以通过http://localhost:3000/api/public/health确认服务是否正常启动了。

3、构建环境遇到的一个问题

开始环境使用的python的版本是3.14.0，在确认安装了 langfuse之后，凡是import langfuse的任何package，例如：

from langfuse.openai import OpenAI

都会报错如下：

“ConfigError: unable to infer type for attribute "description'”

经过查询得知主要是由于pydantic的兼容问题导致的，按照各种方法尝试修复，例如：指定pydantic的版本为2.9.2，都无果。

最终的解决方案：

安装一个Python1.22.7版本，然后安装所有的依赖，使用这个版本的python就可以了。

4、如何运行一个Ollama的应用实例

本例子是尝试使用Ollama的qwen3:8b模型来运行一个query，查看是否可以在Langfuse上进行Track这个query的具体信息。

第一步，langfuse的配置信息，具体可以参考如下页面显示，生成LANGFUSE_PUBLIC_KEY 和 LANGFUSE_SECRET_KEY。

然后在程序的.env文件，添加langfuse的配置信息，可以从页面上直接复制：

或者直接在代码里赋值：

os.environ["LANGFUSE_PUBLIC_KEY"] = "" os.environ["LANGFUSE_SECRET_KEY"] = "" os.environ["LANGFUSE_BASE_URL"] = "https://cloud.langfuse.com"

第二步，安装依赖：

%pip install langfuse openai %pip install pydantic %pip install dotenv

第三步，加载配置项

import os from dotenv import load_dotenv load_dotenv() LANGFUSE_PUBLIC_KEY = os.getenv("LANGFUSE_PUBLIC_KEY") LANGFUSE_SECRET_KEY = os.getenv("LANGFUSE_SECRET_KEY") LANGFUSE_HOST = os.getenv("LANGFUSE_HOST", "http://localhost:3000") # 打印验证是否能够正确读出来配置的内容 print(LANGFUSE_PUBLIC_KEY) print(LANGFUSE_SECRET_KEY) print(LANGFUSE_HOST)

第四步，编写代码使用Ollama执行Query，这里使用langfuse的示例代码，【https://langfuse.com/integrations/model-providers/ollama】

# Drop-in replacement to get full logging by changing only the import from langfuse.openai import OpenAI # Configure the OpenAI client to use http://localhost:11434/v1 as base url client = OpenAI( base_url = 'http://localhost:11434/v1', api_key='ollama', # required, but unused ) response = client.chat.completions.create( model="qwen3:8b", messages=[ {"role": "system", "content": "You are a helpful assistant."}, {"role": "user", "content": "Who was the first person to step on the moon?"}, {"role": "assistant", "content": "Neil Armstrong was the first person to step on the moon on July 20, 1969, during the Apollo 11 mission."}, {"role": "user", "content": "What were his first words when he stepped on the moon?"} ] ) print(response.choices[0].message.content)

第五步，登录langfuse的界面查看Query的详细信息：