为什么需要可观测
对话式应用排障可以“再问一次”，Agent 应用不行——工具调用十几步，哪一步传错了参数、哪个模型烧了最多 token，光靠业务日志很难拼出来。Langfuse 做的事情，是把一次任务里的所有大模型调用串成一条 trace，记录输入输出、模型名、token 数、成本与耗时。
接入成本很低
- Python / JS SDK 几分钟接入，支持 OpenAI、Anthropic 等常用 SDK 自动埋点
- 也可以先不写代码：Langfuse 提供 OpenAI 兼容代理，应用只改一行 base_url 就能开始记录
- 自托管一条 docker compose 命令即可；数据量小可以用云版免费档
对团队的价值主要是三件事。第一，账单可解释：每个功能的 token 成本能按 trace 拆到具体调用。第二，回归可对比：上线前后跑同一批评测集，分数变化能关联到某次改动。第三，排障有证据：Agent 卡住时，能看到它实际调了哪个工具、工具返回了什么。
建议从“只记录不阻断”开始：先观察一周真实流量，再根据 trace 里暴露的问题设计评测用例，而不是一开始就堆一大堆规则。
可观测的意义不是多看一个面板，而是让每一次调用都能被复盘。