Langfuse é uma plataforma open-source de engenharia de LLM que ajuda equipes a depurar, analisar e iterar colaborativamente em suas aplicações de LLM. Ela faz parte do ecossistema ClickHouse e usa o ClickHouse como base para oferecer um backend de observabilidade escalável e de alto desempenho.
Ao aproveitar o armazenamento colunar do ClickHouse e seus recursos analíticos rápidos, o Langfuse pode lidar com bilhões de traces e eventos com baixa latência, o que o torna adequado para cargas de trabalho de produção com alto throughput.
- Open source: Totalmente open source, com API pública para integrações personalizadas
- Otimizado para produção: Projetado para ter sobrecarga mínima de desempenho
- SDKs de ponta: SDKs nativos para Python e JavaScript
- Suporte a frameworks: Integrado a frameworks populares como OpenAI SDK, LangChain e LlamaIndex
- Multimodal: Suporte a rastreamento de texto, imagens e outras modalidades
- Plataforma completa: Conjunto de ferramentas para todo o ciclo de desenvolvimento de aplicações com LLM
O Langfuse oferece opções flexíveis de implantação para atender a diferentes necessidades de segurança e infraestrutura.
Langfuse Cloud é um serviço totalmente gerenciado, com um cluster ClickHouse gerenciado para desempenho ideal. Possui certificações SOC 2 Type II e ISO 27001, está em conformidade com o GDPR e está disponível nas regiões dos EUA (AWS us-west-2) e da UE (AWS eu-west-1).
Self-hosted Langfuse é totalmente open source (licença MIT) e gratuito para implantar na sua própria infraestrutura usando Docker ou Kubernetes. Você executa sua própria instância do ClickHouse (ou usa o ClickHouse Cloud) para armazenar dados de observabilidade, garantindo controle total sobre seus dados.
O Langfuse depende apenas de componentes open source e pode ser implantado localmente, em infraestrutura em nuvem ou on-premise:
- ClickHouse: Armazena grandes volumes de dados de observabilidade (traces, spans, generations, scores). Permite agregação e análises rápidas para dashboards.
- Postgres: Armazena dados transacionais, como contas de usuário, configurações de projeto e definições de prompt.
- Redis: Gerencia o enfileiramento de eventos e o cache.
- S3/Blob Storage: Armazena payloads grandes e dados brutos de eventos.
A observabilidade é essencial para entender e depurar aplicações com LLM. Diferentemente do software tradicional, aplicações com LLM envolvem interações complexas e não determinísticas que podem ser difíceis de monitorar e depurar. O Langfuse oferece recursos abrangentes de rastreamento que ajudam você a entender exatamente o que está acontecendo na sua aplicação.
📹 Quer saber mais? Assista a uma demonstração completa, de ponta a ponta do Langfuse observabilidade e veja como integrá-lo à sua aplicação.
Detalhes do rastreamento
Sessões
Linha do tempo
Usuários
Grafos de agentes
Dashboard
Os traces permitem acompanhar cada chamada de LLM e outras lógicas relevantes no seu aplicativo.
As sessões permitem acompanhar conversas com várias etapas ou workflows agênticos.
Depure problemas de latência inspecionando a visualização de linha do tempo.
Adicione seu próprio userId para monitorar custos e uso de cada usuário. Se quiser, crie um link direto para essa visualização nos seus sistemas.
Os agentes de LLM podem ser visualizados como um grafo para ilustrar o fluxo desses workflows agênticos complexos.
Veja métricas de qualidade, custo e latência no dashboard para monitorar sua aplicação com LLM.
Criar
Controle de versões
Implantar
Métricas
Testar no Playground
Vincular a traces
Acompanhar alterações
Crie um novo prompt via UI, SDKs ou API.
Versione e edite prompts de forma colaborativa via UI, API ou SDKs.
Implante prompts em produção ou em qualquer ambiente via labels, sem nenhuma alteração no código.
Compare latência, custo e métricas de avaliação entre diferentes versões dos seus prompts.
Teste seus prompts instantaneamente no Playground.
Vincule prompts a traces para entender como eles se comportam no contexto da sua aplicação de LLM.
Acompanhe as alterações nos seus prompts para entender como eles evoluem ao longo do tempo.
Avaliação e conjuntos de dados
Visualize os resultados das avaliações no dashboard do Langfuse.
Colete feedback dos seus usuários. Ele pode ser capturado no frontend com nosso Browser SDK e no servidor por meio dos SDKs ou da API. O vídeo inclui um aplicativo de exemplo.
Execute avaliações LLM-as-a-Judge totalmente gerenciadas em traces de produção ou desenvolvimento. Elas podem ser aplicadas a qualquer etapa da sua aplicação para avaliações em cada passo.
Avalie prompts e modelos em conjuntos de dados diretamente na interface do usuário. Nenhum código personalizado é necessário.
Estruture seu fluxo de avaliação com anotações humanas por meio de Filas de Anotação.
Adicione resultados personalizados de avaliação; há suporte para valores numéricos, booleanos e categóricos.Adicione scores via SDKs de Python ou JS. Última modificação em 12 de junho de 2026
