待验证60% 置信事实精确时间
Langfuse 能追踪每次模型调用的输入输出、Token 消耗、延迟和工具调用路径，并支持对 Prompt 版本进行 A/B 评估
2
来源数
60%
置信度
中期 (~90 天)
时效性
2026/7/24
首次发现
有效期至：2026/10/22
来源
相关事实
已验证Langfuse 是专为 LLM 应用设计的开源可观测性平台，能追踪模型调用的输入输出、Token 消耗、延迟和工具调用路径，并支持 Prompt 版本 A/B 评估84% 相似已验证Langfuse的核心作用包括追踪运行过程、分析token成本与延迟、管理提示词、收集反馈、执行评估，并通过数据集和实验实现持续改进78% 相似待验证LangFuse基于OpenTelemetry兼容的追踪模型，支持通过SDK或装饰器方式无侵入地捕获LLM调用链，并内置成本计算引擎按模型、用户、会话维度统计token消耗76% 相似待验证LangSmith、Phoenix、Arize 等工具用于分布式追踪，追踪模型调用链路中每个节点的输入输出、延迟和 Token 消耗76% 相似待验证LangFuse偏向可观测性，用于记录和评估大模型调用的输入输出、耗时与成本。76% 相似
引用此条事实
Stable URI
https://kongchang.com/claim/602963API
curl https://kongchang.com/api/v1/knowledge/claims/602963MCP
get_claim(id=602963)