用途：本技能面向 LLM 可观测性与评估，帮助开发者以 trace、span、指标的方式监控 LLM 应用，关注成本、质量与延迟，并用数据驱动提示词改进和回归发现。
主要能力：LLM 追踪与可观测性；提示词管理与版本控制；评估与打分；数据集管理；成本追踪；性能监控；提示词 A/B 测试。
使用方式：需要 Python 或 TypeScript/JavaScript、Langfuse 账号（云端或自托管）以及 LLM API 密钥。基础追踪通过 Langfuse 客户端初始化，创建 trace 并记录 generation，最后调用 langfuse.flush()。OpenAI 集成可用 from langfuse.openai import openai 作为替代客户端，自动追踪调用，支持流式与异步。LangChain 集成使用 langfuse.callback 的 CallbackHandler，在 invoke 时通过 config 传入 callbacks，或设为默认处理器，适用于链、智能体、检索器等。
适用场景：任何 LLM 应用的监控与评估，尤其是基于 OpenAI 或 LangChain 构建的应用。
限制与反模式：自托管需要基础设施；高流量可能需要优化；实时仪表盘存在延迟；评估需要额外配置。无服务器环境务必在结束前 flush，否则批量数据可能丢失；避免追踪一切造成噪声与开销，应聚焦 LLM 调用、关键逻辑与用户操作；始终传递 user_id 与 session_id 以便调试与分析。
相关技能：可与 langgraph、crewai、structured-output、autonomous-agents 配合使用。