langfuse测试实战（一）：配置一个简单的项目快速落地

文章目录

- 前言
- 简介
- 实战
- 问题
- 总结

前言

好久没写博客📚了，懈怠了~

接下来会加油💪

简介

langfuse是什么：

Langfuse 是一个开源的 AI/LLM 工程平台（Open Source LLM Engineering Platform），专门帮团队协作调试、分析、评估和持续迭代 LLM 应用与 AI Agent。

langfuse在日常的测试工作中可以做些什么：

开发在代码中部署langfuse后，测试人员可通过api key来追踪AI智能体的一些关键指标如首token响应时长，Token 用量、成本等，对采购或者自研的智能体进行测试。

实战

此次项目以快速落地实现为主，目的是上手掌握langfuse的一些基本功能

使用Langfuse Cloud 免费版
👉Langfuse Cloud欧洲区
添加LLM连接：点击Settings - API Keys - Create new API keys，创建一个用于测试的API key
使用Python编写测试代码
我用的Juypter notebook

python 复制代码

from langfuse.openai import openai
from langfuse import get_client
import os

# ========== 请替换成你自己的真实 Key ==========
os.environ["LANGFUSE_PUBLIC_KEY"] = ""
os.environ["LANGFUSE_SECRET_KEY"] = ""
os.environ["LANGFUSE_BASE_URL"] = "https://cloud.langfuse.com"   # 如果你用的是日本区就改成 https://jp.cloud.langfuse.com

# ========== 请替换成你自己的真实的调用的模型API的Key，我用的grok ==========
XAI_API_KEY = ""
# ========================================

# 初始化
langfuse = get_client()

client = openai.OpenAI(
    api_key=XAI_API_KEY,
    base_url="https://api.x.ai/v1"
)

print("开始调用模型并上报 Trace...")

response = client.chat.completions.create(
    model="grok-4.6",
    messages=[
        {"role": "system", "content": "你是一个专业的需求分析助手。"},
        {"role": "user", "content": "请简单分析一下：用户希望系统支持上传Excel需求文档，并自动生成测试用例。"}
    ],
    name="需求分析测试-手动脚本"
)

print("\n模型返回内容：")
print(response.choices[0].message.content)

# 强制把数据发送出去
langfuse.flush()
print("\n✅ Trace 已发送！请到 Langfuse 的 Tracing 页面刷新查看。")