Langfuse
TypeScript · NOASSERTION
开源 LLM 可观测性平台，提供追踪、评估、提示管理和数据集管理功能，支持 LangChain、OpenAI、Anthropic 等主流框架的集成。
observabilitytracingllm-evaluationprompt-managementanalytics
查看项目 →
概览
Langfuse 与 SigNoz：LLM 专用 vs 通用 APM 的可观测性
Langfuse（31k+ stars）专门做 LLM 可观测性，trace + prompt 管理 + evaluation 三件套；SigNoz（31k+ stars）是 OpenTelemetry 原生的通用 APM，把 LLM 当一种新 workload。本文从定位、协议支持、数据模型、扩展性和典型场景五个角度对比。
对比项目
功能对比
| 适合场景 | Langfuse |
|---|---|
| 产品定位 | LLM 应用专门观测：trace / span / generation / prompt / score 都是一等公民，UI 专为 LLM 调试设计（按 prompt 切片、按 user 看 feedback） |
| 协议支持 | OpenTelemetry + 自己的 Python / JS SDK + LangChain / LlamaIndex 集成。LLM-as-judge / heuristic eval 内置 |
| 数据模型 | LLM-centric：trace 包含 generation（模型调用）+ tool（工具调用）+ score（评价）。prompt 版本和 user feedback 一等公民 |
| 扩展能力 | Prompt 版本 + LLM-as-judge + 自定义 score + webhook。够用但不灵活 |
| 典型场景 | 纯 LLM 产品（ChatGPT 替代 / Agent / RAG 应用），需要 trace + prompt 调试 + eval 闭环。LLM 团队首选 |
GitHub 数据
| Metric | Langfuse |
|---|---|
| Stars | 33.2k |
| Forks | 3.6k |
| 语言 | TypeScript |
| 许可证 | NOASSERTION |
| 最近提交 | 2026年8月16日 |
应该选择哪一个？
建议根据你的主要工作流、技术栈语言和集成需求来选择。用于生产前，请进一步查看项目文档、社区活跃度和最近的 GitHub 维护情况。
常见问题
Langfuse 和 SigNoz 能一起用吗?
能。常见做法是把 SigNoz 当统一可观测性栈（trace + metrics + logs），把 Langfuse 当 LLM 专用 UI（prompt 调试 + eval）。两者都支持 OpenTelemetry export，可以共用一个 collector，数据路由到不同的 backend。
做 AI 产品选哪个?
纯 LLM 产品选 Langfuse：trace + prompt 管理 + eval + user feedback 一站式。多 workload（含传统服务）选 SigNoz：统一可观测性成本更低，LLM 数据也能 trace 但要自己组织属性。
SigNoz 的 ClickHouse 后端有什么好处?
ClickHouse 对高基数（high cardinality）查询极快，适合 LLM 应用里"按 user_id / prompt_id / model 切片"这种查询。Langfuse 用 ClickHouse 做 OLAP（traces）+ Postgres 做 OLTP。SigNoz 全栈 ClickHouse 更轻。
Langfuse 是不是只能监控 LLM?
可以监控任何 instrumented 代码（OpenTelemetry SDK 都能发），但 UI 是 LLM-centric。如果你只跑 LLM 应用，它够用；如果你想监控 API latency + DB query + LLM 三种 workload，SigNoz 更通用。