---
title: "Langfuse - 中文概述"
description: "Langfuse 是最受欢迎的开源 LLMOps 平台。它帮助团队协作开发、监控、评估和调试 AI 应用程序。"
hreflang:
  [
    { lang: "en", url: "https://langfuse.com" },
    { lang: "zh", url: "https://langfuse.com/cn" },
  ]
---

# **Langfuse \- 开放源码 LLMOps 平台 \- 中文版概述**

注：本页面由机器翻译。我们非常感谢我们的中国用户和客户，并希望用您的母语为您提供一个易于理解的 Langfuse 介绍。

请注意，Langfuse 网站的所有其他资源仅提供英文版，但可通过谷歌浏览器内置翻译器等工具使用其他语言。

## **🇨🇳 🤝 🪢**

我们很高兴在中国拥有一个不断壮大的 Langfuse 用户社区。您的支持和反馈对我们来说非常宝贵。我们期待着与您合作并听取您的意见。请随时与我们联系--我们会阅读并回复每一份来信。  
感谢您使用 Langfuse 并支持我们的产品和社区。

## **什么是 Langfuse？**

![Langfuse Trace Chinese](/images/docs/chinese-example-trace.png)

[Langfuse](/) 是一个**开源的**可观测性和分析平台，专为由大型语言模型（LLM）驱动的应用而设计。我们的使命是帮助开发人员和组织构建并改进 LLM 应用程序。为此，我们通过先进的跟踪和分析模块深入了解模型的成本、质量和延迟。

_在我们的[公开演示](/docs/demo)中查看示例跟踪_

### **为什么选择 Langfuse？**

Langfuse 是市场上[**最受欢迎的开源 LLMOps 工具**](/blog/2024-11-most-used-oss-llmops)，拥有一个规模庞大的社区，负责构建和维护与最新框架的集成。

Langfuse **易于[自助托管](/pricing-self-host)**，可在几分钟内完成设置。这对受监管行业的企业客户尤其有吸引力。

Langfuse 可提供**一流的跟踪服务**，帮助您开发和改进产品。

**注**：[点击此处](/why)了解更多有关我们为何建造 Langfuse 的信息。

## **主要功能**

Langfuse 提供一系列功能，可在人工智能产品的整个周期中为您提供支持：从开发和测试到生产中的大规模监控和调试。

### **监测**

- **跟踪**：捕捉产品的[完整上下文](/docs/tracing)，包括外部 API 或工具调用、上下文、提示等。
- **实时指标**：监控关键[性能指标](/docs/analytics/overview)，如响应时间、错误率和吞吐量。
- **反馈**：收集[用户反馈](/docs/scores/user-feedback)，以改进应用程序的性能和用户体验。

### **分析**

- **评估**：通过设置 [llm-as-a-judge](/docs/scores/model-based-evals) 评估或[人工标注](/docs/scores/annotation)工作流程，比较不同模型、提示和配置的性能。
- **测试**：试验不同版本（A/B）的应用程序，通过[测试](/docs/datasets/overview)和[提示管理](/docs/prompts/get-started)确定最有效的解决方案
- **用户行为**：了解[用户](/docs/scores/user-feedback)与人工智能应用程序的交互方式。

### **调试**

- **详细的调试日志**：访问所有应用程序活动的综合日志，以排除故障。
- **错误跟踪**：检测和跟踪应用程序中的[错误](/docs/tracing-features/log-levels)和异常。

### **集成**

- **框架支持**：与 [DeepSeek](/integrations/model-providers/deepseek), [BytePlus](/integrations/model-providers/byteplus), [LangChain](/integrations/frameworks/langchain)、[LlamaIndex](/integrations/frameworks/llamaindex) 和 [AWS Bedrock](/integrations/model-providers/amazon-bedrock) 等流行的 LLM 框架集成。
- **工具支持**：与 [Dify](/integrations/no-code/dify) 或 [LobeChat](/integrations/no-code/lobechat) 等无代码构建工具集成。
- **应用程序接口（API**）：利用我们开放且功能强大的[应用程序接口](https://api.reference.langfuse.com/)进行自定义集成和工作流程自动化。

## **开始使用 Langfuse**

开始 Langfuse 之旅非常简单：

<Steps>

### **注册：**

访问 [Langfuse Cloud](https://langfuse.com/cloud)，在几分钟内创建一个免费账户或[自助托管](/self-hosting/license-key) Langfuse。创建新项目并获取 Langfuse API 密钥，即可开始摄取数据。

### **探索文档：**

访问我们的[文档](https://docs.langfuse.com/)，了解如何将 Langfuse 与 [OpenAI](/integrations/model-providers/openai-py) 或 [Langchain](/integrations/frameworks/langchain) 等本机集成进行设置，或使用我们的 [API](https://api.reference.langfuse.com/) 或[底层 SDK](/docs/sdk/python/low-level-sdk) 跟踪任何模型。

### **仪表您的应用程序：**

通过我们的[集成或 SDK](/integrations) 整合 Langfuse。Langfuse 还可与 [Dify](/integrations/no-code/dify) 或 [Langflow](/integrations/no-code/langflow) 等无代码 LLM 生成器集成。

### **开始监测：**

开始收集数据、监控性能并获得有价值的见解。Langfuse 会以[轨迹的](/docs/tracing)形式显示应用程序的行为。通过 Langfuse [面板，](/docs/analytics/overview)您可以概览模型成本、评估分数和用户反馈。

</Steps>

## **客户支持**

我们理解用您喜欢的语言提供帮助的重要性。但是，作为一个小团队，我们只能提供英语支持。

- [人工智能聊天机器人](/docs/ask-ai)（懂中文）
- **GitHub:** [github.com/langfuse/discussions](https://github.com/orgs/langfuse/discussions) \- 在我们的 GitHub 公共讨论区（英语）上提问。
- **支持选项：**请参阅我们的[支持页面](/support)以获取所有支持方式的概览。
- **企业支持：**如果您对此感兴趣，请通过[销售团队联系表](/talk-to-us)联系我们。

## **加入 Langfuse 社区**

成为我们不断壮大的全球社区的一员：

- ⭐️ 在 [GitHub](https://github.com/langfuse/langfuse) 上点击星星关注我们，即可获得更新。
- 🤷‍♂️ 保持联系：在社交媒体上关注我们，了解最新动态。
  - [推特](https://x.com/langfuse)
  - [纪和声](https://discord.langfuse.com/)
  - [LinkedIn](https://www.linkedin.com/company/langfuse)
- 🖼️ [接收朗富斯贴纸](https://langfuse.com/stickers)

<!-- agent-instructions -->

---

## Agent Instructions

This page is part of the [Langfuse](https://langfuse.com) documentation, published as plain Markdown for AI agents. Every page is available as Markdown by appending `.md` to its URL, or by sending an `Accept: text/markdown` header. This page: `https://langfuse.com/cn.md`.

### Querying these docs

If the answer is not on this page, query the documentation instead of guessing:

- **Semantic search** across all Langfuse docs, returning an answer with the relevant pages and excerpts. Ask a specific, self-contained question:

  ```bash
  curl -sG "https://langfuse.com/api/search-docs" --data-urlencode "query=How do I trace a LangGraph agent?"
  ```

- **Index of every page**: <https://langfuse.com/llms.txt>, with per-section indexes [llms-docs.txt](https://langfuse.com/llms-docs.txt), [llms-integrations.txt](https://langfuse.com/llms-integrations.txt), and [llms-self-hosting.txt](https://langfuse.com/llms-self-hosting.txt).

### Before writing Langfuse code

- **Install the [Langfuse Agent Skill](https://langfuse.com/docs/api-and-data-platform/features/agent-skill).** It encodes Langfuse's own best practices for instrumentation, prompt management, and evaluation, and materially improves results.
- **Read [What does a good trace look like?](https://langfuse.com/docs/observability/best-practices.md)** before instrumenting an application.
- **Verify endpoints, parameters, and response fields** against the [API reference](https://api.reference.langfuse.com) instead of inferring them from code examples.
- **Use the [Langfuse CLI](https://langfuse.com/docs/api-and-data-platform/features/cli)** (`npx @langfuse/cli api <resource> <action>`) to read or write traces, prompts, datasets, and scores from the terminal.

Found an error in these docs? Please open an issue at <https://github.com/langfuse/langfuse-docs/issues>.