Langfuse 透過為框架加入追蹤功能贏得 LLM 追蹤採用率，而非取代既有技術堆疊

開發 LLM 應用的團隊能看到提示與回答，卻看不到一次模型呼叫實際花了多少成本、回傳了什麼或在哪裡出錯，而 2024 年末的可觀測性選項要求很多：將每個模型請求透過廠商閘道代理、採用與單一框架（例如 LangChain）綁定的工具，或從零開始自行打造日誌記錄。對於提示內容敏感的團隊而言，將流量送往託管的第三方本身就是障礙。

Langfuse 在 YC 的 W23 梯次期間打造，並於 2024 年 12 月在 Hacker News 上發布，讓追蹤功能可以逐步採用。其 SDK 在應用程式既有的接縫處進行埋點：可套用於任何呼叫的 @observe() 裝飾器、可直接替換 OpenAI SDK 的替代品，以及 LangChain、LlamaIndex 與 Haystack 的回呼處理器，並可讓 LiteLLM 轉送日誌。埋點並非閘道，因此永遠不會位於模型呼叫的關鍵路徑上。

後端可用 Docker Compose 在幾分鐘內自架，或透過 Helm 在 Kubernetes 上執行，讓受安全限制的團隊能將追蹤資料留在自己的基礎設施上；創辦人舉出 HIPAA、PCI 與氣隙地端部署等情境。在核心追蹤之外，Langfuse 還加入提示版本控制、LLM-as-judge 與程式碼評估、資料集、playground 與 API，企業版資料夾以外的部分皆以 MIT 授權，並儲存在 ClickHouse 上。

2024 年 12 月 17 日的 Launch HN 討論串獲得 215 分與 61 則留言，實務工作者表示，一旦它能在本地對既有技術堆疊執行，他們就不再評估其他替代方案；維護者表明的立場是開放 API、可自架、與框架及模型無關，並具備「簡單卻可擴展、可逐步採用的埋點」。截至 2026 年 9 月的目錄快照，該儲存庫顯示 34.2k 顆星、3.7k 次分支與 9,105 次提交，團隊也已加入 ClickHouse。

將可觀測性附加到框架鉤子並讓團隊自架，永遠不位於關鍵路徑上

透過回呼系統與可直接替換的 SDK 匯入進行埋點，讓採用成為對既有程式碼的兩行變更，而非重新架構，因此團隊會在執行中的應用上試用。

以 Docker Compose 與 Helm 自架，回應了資料治理的疑慮：HIPAA、PCI 與氣隙團隊將追蹤資料留在自己的基礎設施中，而非將提示送往廠商。

由於 Langfuse 並非呼叫路徑上的代理，團隊可以加入它，而不必冒著增加延遲或為正式環境模型流量新增故障點的風險。

開放 API 與 MIT 授權讓個別工程師能由下而上採用，免費雲端方案與自架則在全公司推廣前移除採購障礙。

保持與框架、模型及雲端無關，讓它在生態系轉變時仍受保護，為單一框架打造的整合不會變成死路。

將可觀測性當作附掛點而非遷移來銷售：鉤住既有的框架、讓使用者資料留在使用者手中，採用就會一個團隊接一個團隊地擴散。

2024 年 12 月 17 日的 Launch HN 獲得 215 分與 61 則留言，使用者表示在數天內就採用了 Langfuse；討論串中的競爭者包括 LangSmith、Arize Phoenix 與 Opik。截至 2026 年 9 月的目錄快照，該儲存庫顯示 34.2k 顆星、3.7k 次分支與 9,105 次提交，其 README 將領先的開源 AI 專案列為使用者。團隊表示其在六個月內規模翻倍，並自 2026 年 1 月起，以 ClickHouse 一部分的身分營運；ClickHouse 是 Langfuse 所建構於其上的開源資料庫背後的公司。