开端 在使用Langfuse的过程中，官方自带的集成langGraph中，进行收集到的节点和LLM的调用信息，无法进行定制化，只要调用就收集，并且如果Graph嵌套较多，Trace收集到的日志嵌套很深

1 对LLM进行维护 各种指示监控与统计：访问记录、响应时长、Token用量、计费等 调试prompt 测试/验证系统的相关评估指标 数据管理，便于回归测试 Prompt版本管理，进行升级和回归 2

今天，我们将深入探讨 Langfuse，一个开源的 LLM 工程平台，它如何帮助我们解决这些痛点，并构建更健壮、高效且可解释的 AI 系统。

引言： 当开发者依赖LlamaIndex/LangChain构建RAG应用时，框架抽象层如同一座"数据高墙"：模型接收的检索结果、生成的原始响应等关键信息被隔离，迫使开发者在缺乏观测依据的状态下盲调试

在 Python 3.8 以后的版本中，异步编程变得越来越重要。本文将系统介绍 Python 标准库中的异步编程工具。