Langfuse es una plataforma open source de ingeniería para LLM que ayuda a los equipos a depurar, analizar e iterar de forma colaborativa sobre sus aplicaciones de LLM. Forma parte del ecosistema de ClickHouse y utiliza ClickHouse como base para ofrecer un backend de observabilidad escalable y de alto rendimiento.
Gracias al almacenamiento columnar de ClickHouse y a sus rápidas capacidades analíticas, Langfuse puede manejar miles de millones de trazas y eventos con baja latencia, lo que la hace adecuada para cargas de trabajo de producción con alto throughput.
- Código abierto: Totalmente de código abierto, con API pública para integraciones personalizadas
- Optimizado para producción: Diseñado para tener un impacto mínimo en el rendimiento
- SDKs de primer nivel: SDKs nativos para Python y JavaScript
- Soporte para frameworks: Integrado con frameworks populares como OpenAI SDK, LangChain y LlamaIndex
- Multimodal: Compatibilidad con trazas de texto, imágenes y otras modalidades
- Plataforma completa: Conjunto de herramientas para todo el ciclo de vida del desarrollo de aplicaciones con LLM
Opciones de implementación
- ClickHouse: Almacena grandes volúmenes de datos de observabilidad (traces, spans, generations, scores). Permite realizar agregaciones y análisis rápidos para los paneles de control.
- Postgres: Almacena datos transaccionales, como cuentas de usuario, configuraciones de proyectos y definiciones de prompts.
- Redis: Gestiona la cola de eventos y el almacenamiento en caché.
- S3/almacenamiento de blobs: Almacena payloads de gran tamaño y datos de eventos sin procesar.
La observabilidad es esencial para comprender y depurar aplicaciones de LLM. A diferencia del software tradicional, las aplicaciones de LLM implican interacciones complejas y no deterministas que pueden ser difíciles de monitorizar y depurar. Langfuse proporciona funcionalidades completas de trazas que te ayudan a entender exactamente qué está ocurriendo en tu aplicación.
📹 ¿Quieres saber más? Ve una guía completa de principio a fin de Langfuse observabilidad y de cómo integrarlo con tu aplicación.
Detalles de la traza
Sesiones
Cronología
Usuarios
Grafos de agentes
Dashboard
Las trazas te permiten rastrear cada llamada al LLM y otra lógica relevante de tu aplicación.
Las sesiones te permiten rastrear conversaciones de varios pasos o flujos de trabajo agentivos.
Depura problemas de latencia inspeccionando la vista de cronología.
Añade tu propio userId para monitorizar los costes y el uso de cada usuario. Opcionalmente, crea un enlace profundo a esta vista en tus sistemas.
Los agentes de LLM pueden visualizarse como un grafo para ilustrar el flujo de flujos de trabajo agentivos complejos.
Consulta métricas de calidad, coste y latencia en el dashboard para monitorizar tu aplicación de LLM.
Crear
Control de versiones
Desplegar
Métricas
Probar en Playground
Vincular con trazas
Seguimiento de cambios
Crea un prompt nuevo desde la UI, los SDKs o la API.
Versiona y edita prompts de forma colaborativa desde la UI, la API o los SDKs.
Despliega prompts en producción o en cualquier entorno mediante etiquetas, sin cambiar el código.
Compara la latencia, el coste y las métricas de evaluación entre distintas versiones de tus prompts.
Prueba al instante tus prompts en Playground.
Vincula prompts con trazas para entender cómo funcionan en el contexto de tu aplicación de LLM.
Haz seguimiento de los cambios en tus prompts para entender cómo evolucionan con el tiempo.
Evaluación y conjuntos de datos
Visualiza los resultados de evaluación en el dashboard de Langfuse.
Recoge comentarios de tus usuarios. Pueden capturarse en el frontend mediante nuestro Browser SDK, en el servidor mediante los SDK o la API. El video incluye una aplicación de ejemplo.
Ejecuta evaluaciones de LLM-as-a-judge totalmente gestionadas en trazas de producción o desarrollo. Puede aplicarse a cualquier paso de tu aplicación para realizar evaluaciones paso a paso.
Evalúa prompts y modelos en conjuntos de datos directamente desde la interfaz de usuario. No se necesita código personalizado.
Establece una base para tu flujo de trabajo de evaluación con anotaciones humanas mediante las colas de anotación.
Añade resultados de evaluación personalizados; admite valores numéricos, booleanos y categóricos.Añade puntuaciones mediante el SDK de Python o JS.langfuse.score(
trace_id="123",
name="my_custom_evaluator",
value=0.5,
)
Última modificación el 10 de junio de 2026
