本地化部署与使用免费的 LLM 应用工程化平台 Langfuse

健康检查与测试

完成部署后，运行如下命令进行健康检查：

# 健康测试，在本机运行
curl http://localhost:3000/api/public/health

登录 Langfuse UI 使用：访问 http://你的服务器地址:3000/，出现登录界面就大功告成。

可能的问题排查

• 容器启动失败：检查网络是否连通；3000 端口是否被占用；数据库是否正常。
• 无法远程访问：检查安全端口是否放行；localhost 修改为 0.0.0.0 试试。
• 数据库无法连接：数据库端口是否放行；database_url 是否有特殊字符。

与 LangChain 应用集成

平台已经就绪，现在需要让应用与 Langfuse 集成起来，以能够跟踪、评估与分析我们的应用。使用 Langfuse 的 SDK/API，Langfuse 能够与现有的任意应用做集成，但如果你的应用是基于 LangChain、LlamaIndex 这样的开发框架，那么使用起来会更加方便。

准备工作

在开始之前，首先登录到 Langfuse UI，创建一个 Project，然后在 Settings 中生成API Keys。

然后把图中三个参数设置到本地环境变量：

import os
os.environ["LANGFUSE_PUBLIC_KEY"] = "pk-***"
os.environ["LANGFUSE_SECRET_KEY"] = "sk-***"
os.environ["LANGFUSE_HOST"] = "http://localhost:3000"

最后，安装 Langfuse 的 SDK，以 Python 为例（也支持 NodeJS）：

pip install langfuse

给应用增加 Trace 功能

我们用 Langchain 构建了一个简单的 RAG 应用，使用了本地的 Ollama 模型和 OpenAI 的嵌入模型。现在只需要增加红色的三行代码即可：

from langfuse.callback import CallbackHandler
import uuid

# 初始化 Handler，生成 session_id 用于组织多次 trace
langfuse_handler = CallbackHandler(session_id=str(uuid.uuid4()))

# 模型
llm = Ollama(model="qwen:14b")
embed_model = OpenAIEmbeddings(model="text-embedding-3-small")

# 构建向量索引
documents = DirectoryLoader('./data/', glob="*.txt", loader_cls=TextLoader).load()
splits = RecursiveCharacterTextSplitter(chunk_size=200, chunk_overlap=0).split_documents(documents)
db = FAISS.from_documents(splits, embed_model)
retriever = db.as_retriever()

# Prompt
prompt = ChatPromptTemplate.from_template("基于如下上下文:\n\n{context}\n\n请回答以下问题：\n\n{question}")

# Chain
rag_chain = (
    {"context": retriever | (lambda docs: "\n\n".join(doc.page_content for doc in docs)), "question": RunnablePassthrough()}
    | prompt
    | llm
    | StrOutputParser()
)

# 对话循环
while True:
    user_input = input("问题：")
    if user_input.lower() == "exit":
        break
    if user_input.lower() == "":
        continue
    # 在 invoke 时传入 callbacks
    response = rag_chain.invoke(user_input, config={"callbacks": [langfuse_handler]})
    print("AI：", response)

注意这里在每次运行时生成一个 session_id，是用来将多次 trace 组织到一次 session 中（Langfuse 跟踪的基本单位是 Session->Trace->Observation，而调用 LLM 就是 Observation 的一种类型）。

现在我们来运行程序，做 3 次对话，然后回到 Langfuse UI 观察 Tracing 菜单下的跟踪记录，可以看到 3 条 trace 记录，且有相同的 session_id。

点击一条 trace 记录，就可以追踪到详细的 RAG 运行过程，从检索到组装的 Prompt、LLM 生成，多个步骤的关系以及输入输出、延时、model 使用、tokens 等。

由于使用了 session 来组织多个 trace，我们可以在 session 菜单中查看这次 session 的完整会话过程。

使用 Prompts 管理功能

如果在一个团队开发中，需要对所有的 Prompt 进行集中管理与维护，可以利用 Langfuse 的 Prompts 管理功能。这里我们通过 Langfuse UI 的 Prompts 菜单新增一个 RAG 的简单提示模板。

现在可以在应用中使用这个模版，只需要把上述代码中的创建 prompt 的部分修改为用以下方式从 Langfuse 获取模板即可：

from langfuse import Langfuse

langfuse = Langfuse()
prompt_str = langfuse.get_prompt("RAG").get_langchain_prompt()
prompt = PromptTemplate(template=prompt_str, input_variables=["context","question"])

Prompts 管理支持设置变量、版本管理与标签，可实现灵活控制。

使用评分功能

为了对生产级的 LLM 应用做持续改进与优化，通过评分 (score) 来对应用输出质量作评估是有必要的。在 Langfuse 中支持多种评分途径：

1. 在 Langfuse UI 中手工评分
2. 在 Langfuse UI 中借助 LLM 做自动评估
3. 通过 SDK 做自定义评分或搜集用户评分

这里的方式 1 应用场景有限，方式 2 目前仅在 cloud 版本中内测，因此这里介绍第 3 种，其最常见的场景是在应用端搜集用户反馈评分，然后上报 Langfuse 平台。为了实现评分上报，需要对上述代码中的 invoke 部分做如下改造：

from langfuse.decorators import langfuse_context, observe

session_id = str(uuid.uuid4())

@observe()
def invoke(query):
    langfuse_context.update_current_trace(session_id=session_id)
    langfuse_handler = langfuse_context.get_current_langchain_handler()
    response = chain.invoke(query, config={"callbacks": [langfuse_handler]})
    
    # 此处模拟搜集到用户评分，如 0.8
    langfuse_context.score_current_trace(
        name="feedback-on-trace",
        value=0.8,
        comment="用户反馈",
    )
    return response["result"]

这里把上述代码中的 invoke 包装成独立函数，然后增加 observe() 装饰器，以获得对 trace 控制的 langfuse_context 对象；再通过 score_current_trace 方法上报本次评分。成功后，用户的每次反馈评分都可以在 Langfuse UI 的 scores 菜单中看到，并且可以在 dashboard 看到相关统计指标，后续可以根据这些指标进行针对性优化。

分析仪表盘

Langfuse 的 Dashboard 默认展示很多有用的分析与统计指标，包括 Trace 的统计、模型成本分析、评分统计、不同类型环节的响应延迟等，非常适合用来帮助应用优化（为了能正确统计商业模型成本，注意在 models 菜单中做模型价格对齐）。

与普通 LLM 应用的集成

除了 Langchain 框架以外，Langfuse 还支持与另外一种常用框架 LlamaIndex 的快速集成。但如果你的应用直接基于大模型的 SDK 开发，并且有着较复杂的控制流程，也能采用 Langfuse 的低层 SDK 来实现集成。这里用一个简单的与本地 Ollama 模型对话的小应用来展示集成方式：

import uuid
from langfuse.decorators import langfuse_context, observe

session_id = str(uuid.uuid4())

# LLM 调用采用 generation 的 type，不会产生新的 trace，只会产生 observation
@observe(as_type="generation")
def call_llm(query):
    response = ollama.chat(model='qwen:14b', messages=[
        {
            'role': 'user',
            'content': query,
        },
    ])
    return response['message']['content']

# 这里不指定 type，每次调用产生一个 trace；不直接放 llm 调用逻辑是为了把 LLM 调用的 observation 分离
@observe()
def invoke(query):
    # 用 session_id 把多次 trace 组织起来
    langfuse_context.update_current_trace(session_id=session_id)
    return call_llm(query)

def main():
    while True:
        user_input = input("问题：")
        if user_input.lower() == "exit":
            break
        if user_input.lower() == "":
            continue
        print("AI：", invoke(user_input))
    # 结束前 flush 缓存，防止漏上报
    langfuse_context.flush()

if __name__ == "__main__":
    main()

这里使用 @observe 装饰器来实现函数输入输出与 LLM 生成的跟踪，实际使用时，也可以使用 langfuse.trace 自行创建 trace，并上报自定义的跟踪信息，虽然较为繁琐，但控制会更灵活。具体可以参考官方 SDK 文档。

最佳实践建议

在生产环境中使用 Langfuse 时，建议遵循以下最佳实践以确保系统的稳定性和数据的准确性：

1. 密钥管理：切勿将 API Keys 硬编码在代码仓库中。应使用环境变量或密钥管理服务（如 Vault）来存储敏感信息。
2. Session 策略：合理设计 session_id 的生成逻辑。对于多轮对话应用，确保同一会话内的所有交互共享同一个 session_id，以便在 UI 中还原完整的对话上下文。
3. 错误处理：在集成 SDK 时，务必添加异常捕获机制。如果 Langfuse 服务不可用，不应影响主业务逻辑的运行，建议配置重试机制或降级方案。
4. 成本监控：定期在 Models 菜单中校准各模型的 Token 单价，确保 Dashboard 中的成本分析准确无误，便于预算控制。
5. 数据保留：根据合规要求配置数据保留策略。Langfuse 允许配置数据过期时间，避免长期存储不必要的历史数据。

通过上述部署与集成方案，开发者可以高效地构建具备可观测性的 LLM 应用系统，显著提升调试效率与运维能力。