LangSmith vs Langfuse：链路追踪、评估与自部署怎么选

如果团队使用 LangChain 或 LangGraph，希望把链路追踪和评估放进同一套日常工作流程，可以选 LangSmith；如果要为多个框架搭建共用平台，或者需要开源自部署，则优先考虑 Langfuse。做 LangSmith vs Langfuse 选型，关键是 3 个问题：需要检查哪些代码的执行过程，如何把故障转化为测试，以及由谁运维数据基础设施。Langfuse 与 LangSmith 的取舍，就围绕这几点展开。

LangSmith vs Langfuse：团队该怎么选？

主要任务是改进现有的 LangChain 或 LangGraph 应用，选 LangSmith。需要让多个应用共用可观测性服务，或者必须在不签订 Enterprise 软件合同的情况下自部署，选 Langfuse。 两者都提供链路追踪、评估、数据集、提示词管理和监控。真正的区别，在于团队想统一哪一套工作流程。

一条追踪记录（trace）对应应用的一次执行；其中的跨度（span）记录检索、模型调用、工具调用等内部操作。评估（eval）用来判断行为是否达到既定标准。数据集则保存样例，让团队在修改应用后重复执行同样的检查。

下文的建议依据这些实际标准：埋点与现有代码的适配程度、从故障到测试的流程，以及运维责任。这些是基于文档所述能力作出的编辑判断，并非速度或准确率的实测排名。

文档与价格已于 2026 年 10 月 14 日对照两家厂商的在线页面核验。 所有价格均为美元。本文未进行实际部署或性能测试。

Langfuse 与 LangSmith 核心差异一览

两者的核心功能都齐全；关键差异在于集成是否方便、审核流程如何衔接，以及自部署的准入条件。 先看这张对比表，再结合后文检查哪些硬性要求可能直接排除其中一个选项。

功能依据：LangSmith 文档、Langfuse 链路追踪文档，以及后续各节链接的评估、提示词和部署指南。

两者的计费口径不同。Langfuse 将追踪记录、观测记录和评分都计入用量，因此套餐额度不能直接理解为完整的应用执行次数。LangSmith Plus 包含的追踪额度由所有席位共享，并不是每多买一个席位就多一份额度。估算自家流量时，应查看厂商价格页的完整计费档位，以及 Langfuse 的计费单位定义。

选型时，先确认所需的工作流程和部署方式是否可用。订阅再便宜，也补不上部署方式不符合要求的问题；价格更高，也不代表评估质量自动更好。

两个平台分别解决什么问题？

LangSmith：把调试与评估串起来的工作空间

LangSmith 是 LangChain 用于观测和改进智能体应用的专有平台。 可观测性工具帮助团队查看单次执行和生产指标，评估工具则把记录下来的故障转成可重复检查的用例。对工程负责人而言，价值在于两者能够衔接：开发者调查一次错误回答后，可以把这个案例保留下来，用于检查下一次发布。LangChain 在 FAQ 中明确说明，LangSmith 属于专有软件。

LangSmith 适合工程师和审核人员都会持续使用这个工作空间的团队。它的门槛在于商业条件和运维安排：LangChain 开源，并不意味着 LangSmith 服务端也开源；私有部署需要采用 Enterprise 自部署方案。如果采购要求后端必须开源，就不宜把它作为默认选择。

Langfuse：可供多个应用共用，也能自行运维的平台

Langfuse 是一个开源的 LLM 工程平台，提供链路追踪、评估、提示词管理和分析。 其核心功能既可在 Langfuse Cloud 使用，也可部署到自有基础设施。平台工程师如果需要统一各个服务的执行记录，又不想让应用框架主导可观测性选型，Langfuse 是很合适的默认方案。它的自部署价格页列出了采用 MIT 许可证的核心功能，以及单独授权的 Enterprise 功能。

Langfuse 的门槛在于，要让各服务的埋点真正形成可用的统一数据，还需要额外工作。接收到 span，并不等于用户标识、提示词关联、评分定义和发布标签已经统一。自部署还会把升级、存储和可靠性工作交给团队。没有基础设施负责人的团队，应先评估托管服务，再决定是否默认采用开源自部署。

关于公司归属，Langfuse 自己已宣布被 ClickHouse 收购，并表示团队将继续开发 Langfuse，继续支持开源和自部署。公司所有权与软件许可证赋予的权利，是需要分别考虑的两件事。详见 Langfuse 公告。

LLM 可观测性：框架适配与链路追踪怎么比较？

以 LangChain 为核心的应用，LangSmith 集成起来更方便；要搭建共用的开源可观测性服务，Langfuse 更适合作为默认方案。 这并不意味着另一个产品无法适配现有代码。

Langfuse 与 LangChain 有什么区别？

Langfuse 用来观测应用；LangChain 则连接模型、工具、数据和应用逻辑，帮助开发者构建应用。两者可以一起使用。选择 Langfuse 替代 LangSmith，不意味着需要替换应用里的 LangChain。

框架选型和链路追踪选型应分开考虑。如果应用还有较复杂的检索层，可以参考 LlamaIndex 与 LangChain 对比来决定这一层的方案，避免因为选择可观测性工具而进行不必要的重写。

Langfuse 如何集成 LangChain？

按照官方文档，Langfuse 通过回调捕获 LangChain 的模型调用、工具调用和检索器活动。回调就是框架在任务开始和结束时调用的钩子。因此，LangChain 团队无需重建应用的控制流程，也有可行的 Langfuse 接入路径。详见 Langfuse 集成指南。

以客服助手为例，检查时不能只看最终回答。导致退款答复出错的订单检索结果、工具参数和返回结果，是否都能看到？如果追踪记录里只有最外层请求，只能说明日志接通了，还不能证明这个集成能帮助定位故障。

Langfuse CallbackHandler 接入时要检查什么？

CallbackHandler 是记录 LangChain 执行事件的集成组件。试点时，应按照厂商当前的说明接入，并检查嵌套操作是否归属于正确的执行记录。还要确认后台导出能在实际部署的运行环境中完成，尤其是请求由短生命周期进程处理时。

不要在新部署中直接照搬旧的集成代码片段，而不检查 SDK 兼容性。当前文档必须与已安装的包匹配。接入的目标是获得完整、归属清晰的执行记录，而不只是看到连接状态变绿。

Langfuse 与 LangGraph 是什么关系？

LangGraph 负责有状态智能体工作流的编排；Langfuse 负责观测和评估这些工作流的执行。LangSmith 也能集成 LangGraph，包括使用 LangChain 模块或其他 SDK 的应用。对于使用 LangChain 模块的情况，其指南通过环境配置启用追踪。详见 LangSmith 的 LangGraph 指南。

如果同一批开发者需要理解图的执行过程、检查模型和工具活动，再把故障案例纳入评估，可以先考虑 LangSmith。至于框架本身的区别，可参考 LangChain 与 LangGraph 对比。

用 Langfuse 追踪 LangGraph 执行过程

Langfuse 的文档提供了 LangGraph 集成方案，通过其 LangChain 集成添加追踪元数据、评分和托管提示词。因此，采用图结构的应用并不必然需要购买 LangSmith。详见 Langfuse 的 LangGraph 实践指南。

对于服务于多个框架的平台，OpenTelemetry 的价值在于统一执行记录的传输方式。Langfuse 的 Python 和 JavaScript/TypeScript SDK 基于 OpenTelemetry 构建，其他运行环境也可通过 OpenTelemetry 导出。LangSmith 同样将 OpenTelemetry 列为支持的集成方式。参考 Langfuse OpenTelemetry 指南和 LangSmith 集成文档。

传输方式相同，不代表所有字段都能互换。Langfuse 文档说明了如何将追踪属性传递给观测记录；团队仍需规划用户 ID、会话和发布元数据如何传递到要查询的具体操作。在认定任何一个后端可以直接替换另一个之前，先用所选埋点方式测试一条真实的应用路径。

评估与数据集：LangSmith 更擅长串联审核全流程

如果采购的重点，是把生产故障依次转成审核任务、可复用的数据集样例和版本发布对比，LangSmith 更适合作为默认选择。 这是对工作流程的建议，并不是说 Langfuse 缺少评估能力。

两者都支持离线评估和在线评估：前者用已保存的样例测试拟议改动，后者为生产环境中的行为打分。LangSmith 文档包含人工审核、代码规则、模型评判和成对比较。Langfuse 文档包含数据集、实验、人工标注、代码评估器、模型评判和外部传入的评分。参考 LangSmith 评估文档和 Langfuse 评估文档。

对于退款助手，有用的数据集应包含客户请求、相关订单背景，以及按照规则应得出的处理结果。代码检查可以确认必填字段是否存在；人工审核可以判断操作是否符合规则；模型评判可以筛查缺乏依据的说法，但它给出的分数仍需与人工判断对照。

这样区分，能避免一个代价高昂的错误：只衡量回答是否流畅，却漏掉执行了错误操作的问题。回答质量和工具行为应分别制定标准。遇到模型出于错误原因给出看似合理答案的情况，要把这类难例保留下来。

LangSmith 的自动化规则可将追踪记录送入数据集或标注队列，并触发 webhook。正是文档中这条连贯的路径，使它获得了集成审核流程的推荐。有一个实现限制需要注意：各条规则独立轮询。 因此，webhook 可能先触发，而评估器尚未生成你预期其中会包含的分数。应通过下游过滤条件建立这项依赖。详见 LangSmith 自动化规则。

如果团队已有自己的评估执行程序，只需要一个共用平台存放数据集、实验结果和审核评分，Langfuse 很合适。其文档也支持在持续集成中运行实验，质量检查失败时可以阻止变更。决定因素是审核人员在哪里完成工作：在连贯的产品流程中，还是围绕工程师已经维护的评估流程开展。

提示词管理：按发布流程来选

多个应用需要共用提示词服务，推荐 Langfuse；如果提示词晋级发布应与实验一起在同一个审核空间内完成，推荐 LangSmith。 两者提供的能力都远不止一个文本编辑器。

Langfuse 集中存储提示词、管理版本并提供访问服务。其 SDK 会缓存提示词，文档也说明了如何将版本标签和追踪关联用于部署管理与效果分析。如果企业由业务专家维护多项服务共用的指令，这种方式就很适合。详见 Langfuse 提示词管理。

LangSmith 提供提示词提交记录、Playground，以及明确区分的 Staging 和 Production 环境。其管理指南涵盖版本晋级、回滚历史和提示词所有者权限控制。如果修改指令的人不应自动获得将其发布到生产环境的权限，这些功能就有实际价值。详见 LangSmith 提示词管理。

例如，一条业务规则提示词改变了哪些退款需要审批。修改文字很容易，真正要确认的是：生产环境是否获取了预期版本，该版本是否通过评估，以及能否恢复到上一版。即使应用代码未变，提示词的修改也可能改变产品行为。

验收测试应包括从追踪记录中确认提示词版本，以及实际执行一次回滚。还要检查获取提示词失败或仍在使用缓存版本时，应用会如何处理。这些属于需要验证的应用侧责任，不能据此假定任何一家厂商都能保证所有部署模式正常工作。

不要仅仅因为有了管理界面，就把稳定的提示词从版本控制的代码中移出去。集中管理应当给编辑人员带来实用的工作流程，同时让工程师能够控制发布边界，这样才值得采用。

监控：LangSmith 便于排查，Langfuse 适合统一分析

如果告警需要触发审核流程，LangSmith 更有优势；如果多个服务需要统一的运维仪表盘，Langfuse 更适合作为默认方案。 两者的文档都涵盖监控与告警，因此不能只看功能表上有没有勾选“告警”就决定采购。

LangSmith 将生产指标与追踪排查、在线评估和自动化衔接起来。Langfuse 提供仪表盘和指标 API，覆盖质量、成本、延迟和用量，并支持阈值告警。参考 LangSmith 可观测性文档和 Langfuse 指标文档。

对工程负责人而言，有用的监控必须能区分故障类型。检索变慢和工具越权操作需要不同的应对方式；token 用量上升与质量评分下降，也需要沿不同方向排查。应事先明确每种信号由谁负责，以及触发时要查看哪条具体记录。

共用仪表盘的前提是定义统一。如果不同服务对名为 success 的评分各有解释，汇总图表可能看起来一切正常，却掩盖了彼此不可比较的结果。跨团队比较之前，应先统一评分标准、用户与会话标识，以及发布标签。

LangSmith 自动化还涉及计费：启用延长保留期的操作后，匹配的追踪记录可能会升级。设计审核流程时，应一起检查这个设置。这意味着自动化需要有意识地配置，而不是因此放弃保存有价值的故障案例。详见自动化规则的保留期行为。

开源与自部署：Langfuse 的准入门槛更低

如果必须无需协商专有平台许可证就能自部署，选 Langfuse；如果希望在自有基础设施中使用 LangSmith 的工作流程，且接受相应商业安排，选 LangSmith Enterprise。 两者都有自部署路径，但本文所述的开源核心只有 Langfuse 提供。

Langfuse 的自部署价格页将核心链路追踪、评估、提示词管理和数据集列入 MIT 许可证范围。开源方案还包括企业单点登录（SSO）和基于角色的访问控制（RBAC）：前者使用企业的身份提供商，后者通过角色分配权限。更细的控制能力，如项目级 RBAC、审计日志和数据保留策略，则列在 Enterprise 方案中。采购时应逐项确认所需控制能力，不能只看到“RBAC”就认为权限要求已经全部满足。详见 Langfuse 自部署套餐。

LangSmith 自己的自部署页面将这项服务称为 Enterprise 附加项，并引导意向用户联系销售获取试用许可证密钥。基础安装包含可观测性、评估和提示词工程，智能体部署是可选项。因此，可以针对这些工作流程评估私有部署的 LangSmith，无需默认把智能体执行也迁过去。详见 LangSmith 自部署文档。

还要区分完整自部署和混合部署。LangChain 价格页将混合部署描述为 SaaS 控制平面加自部署数据平面，而完整自部署则是在自有环境中自行管理。如果要求覆盖管理服务，而不只是应用数据，就需要按照这一具体边界审核架构。

Langfuse 自部署后，哪些运维工作归你负责？

自部署 Langfuse，需要运行其 Web 和 Worker 容器，以及 PostgreSQL、ClickHouse、Redis 或 Valkey，还有对象存储。官方指南将 Docker Compose 定位为本地使用和测试方案；这套配置本身不提供生产环境所需的可用性、扩缩容或备份保障。详见 Langfuse 部署架构。

实际预算要覆盖存储增长、升级、备份、恢复，以及数据接入积压时负责处理的人力。LangSmith 私有部署同样需要运维应用和存储服务。购买商业许可证，并不会免除自管部署的这些责任。

如果部署环境受到限制，还应梳理评估器和 Playground 的模型连接。可观测性数据库留在私有环境中，并不能单独说明评估会把输入发往何处。Langfuse 明确记录了可选的模型 API 或网关连接方式；部署设计也必须覆盖这些连接。

不要仅仅为了省下一笔不大的云订阅费而自部署。 只有当系统控制权、可审查性或部署边界值得承担运维工作时，才应自部署；在它成为生产依赖之前，先明确负责人。

LangSmith 与 Langfuse 之间如何迁移？

切换平台时，成本最高的是保留团队的工作流程和证据，而不是更换追踪数据的接收地址。 埋点只是迁移工作的一部分。

先迁移数据集输入、预期结果和评分定义，再重建提示词版本及发布引用、评估器配置、审核人员权限和仪表盘。应明确哪些历史追踪记录必须继续可检索，哪些可以留在旧系统直到保留期结束。不要假定导出一条记录，就能在新系统中还原原来的界面、数据关系和链接。

当两个目标平台都能理解应用发出的记录时，OpenTelemetry 可以减少与特定埋点方式绑定的迁移工作。但它不会自动迁移提示词标识、标注队列、数据集引用或人工审核流程。这些都应视为应用和工作流程的依赖，并分别设置验收检查。

要让迁移过程可控，可以按以下顺序推进：

1. 1

   盘点现有流程依赖的行为

   列出追踪字段、提示词引用、数据集、评估器评分标准、审核队列、告警和导出。为每项指定负责人和验收条件。需要保留的是数据的含义，而不只是字段名。

2. 2

   对照验证一条有代表性的应用路径

   使用小规模流量样本或预发布环境负载，覆盖成功和失败的执行。在目标平台检查父子关系、工具参数、提示词版本，以及用户和会话归属。如果暂时同时向两套系统发送数据，应计入重复存储和导出的工作量。

3. 3

   迁移审核与发布流程

   重建数据集和评估器工作流程。让实际负责审核的人评判同一批样例，确认评分含义一致。实际演练提示词晋级、回滚，以及从告警到排查的路径。

4. 4

   有计划地停用旧系统依赖

   确认所需工作流程可用后，再完成切换。按约定期限保留历史访问权限，移除废弃凭据和导出组件，并更新故障处理说明，让工程师清楚应该去哪里排查。

如果现有评估和审核流程运行良好，切换只是让相同的追踪记录显示在另一个地方，就继续使用 LangSmith。如果统一的数据模式和评估流程已能满足企业需求，就继续使用 Langfuse，除非 LangSmith 能解决用户目前无法高效完成的具体任务。迁移必须带来足以抵偿投入的流程收益，或满足确有必要的部署要求。

常见问题

LangSmith 和 LangGraph 有什么区别？

LangGraph 是编排有状态智能体的框架。LangSmith 是独立的平台，本文讨论的用途包括链路追踪、评估、数据集、提示词相关工作和监控。用 LangGraph 开发，并不要求一定使用 LangSmith 作为可观测性后端；Langfuse 也提供了 LangGraph 集成文档。

LangSmith 收费吗？

LangSmith 提供免费的 Developer 套餐，以及付费的 Plus 和 Enterprise 方案。起步价格和包含的追踪额度见上方对比表。席位数和用量需要分别考虑，自部署则属于 Enterprise 安排。当前报价请查看文中链接的价格页。

Langfuse 可以免费使用吗？

可以。Langfuse 提供额度有限的免费云端 Hobby 套餐，以及采用 MIT 许可证的免费自部署核心。运行这个核心仍需要基础设施和运维。付费云服务与自部署 Enterprise 方案满足的需求不同，应在对应套餐表中核对需要的功能。

Langfuse 有哪些替代方案？

本文直接比较的替代方案是 LangSmith。如果切换的目的，是采用它从链路追踪衔接到评估的工作流程，就值得优先考虑。但如果要求后端开源，它的专有 Enterprise 自部署方案无法满足同一要求。

LangSmith 和 Langfuse 的主要区别是什么？

主要区别在于平台是专有还是开源、自部署的准入条件、云服务按席位与按单位计费的差异，以及审核人员如何使用评估流程。两者都提供链路追踪、在线和离线评估、数据集、提示词管理、监控及 OpenTelemetry 集成。仅靠功能是否存在，无法选出赢家。

LangSmith 支持自部署吗？

支持。LangChain 将自部署 LangSmith 定位为 Enterprise 附加项，试用许可证需通过销售获取。基础私有安装包含可观测性、评估和提示词工程。这与免费运行开源的 LangChain 或 LangGraph 库是两回事。

LangSmith 有哪些免费替代方案？

就本文比较的能力而言，Langfuse 的限额免费云套餐和开源自部署核心都可以作为免费替代方案。比较时要看实际要求：云端用量额度、需要自行运维的私有部署，以及 Enterprise 支持安排，解决的是不同需求。

哪款自部署软件最好？

在本文的 LLM 链路追踪与评估选型中，如果开源是硬性要求，Langfuse 更适合作为默认选择。如果 LangSmith 的审核流程已经是团队工作的核心，LangSmith Enterprise 可能更合适。两者都不是适用于所有软件类别和所有运维团队的最佳选项。

LangGraph 怎么收费？

LangChain 表示，LangGraph 库采用 MIT 许可证，可以免费使用。模型调用、基础设施和可选的商业平台服务费用另计。不要把 LangSmith 的订阅或追踪费用理解为 LangGraph 库的许可费。详见 LangChain FAQ。

下一步，用真实任务验证选型

选择能让工程师和审核人员在既定部署约束下，完成从故障定位到修复发布全流程的平台。 下周就拿一个有代表性的应用故障来试：找出出错的操作，保存预期结果，评估拟议修复方案，再确认实际进入生产环境的提示词版本。

演练结束后，把尚未解决的工作写下来。对于 LangSmith，确认商业条款和私有部署要求；对于 Langfuse，确认埋点数据模式和运维负责人。这些仍需落实的责任，比功能清单更能说明是否适合团队。

领取 AI 业务工作流程审查清单，在扩充生产工具之前，先明确工作流程、负责人和发布控制措施。