O Que É o Langfuse?
O Langfuse é uma plataforma open source para rastrear, avaliar e depurar aplicações de LLM em produção, construída sobre o banco de dados analítico ClickHouse por baixo dos panos. A própria descrição no GitHub diz: "Open source agent evals & observability: Trace, evaluate, and improve LLM applications with one open platform."
- Tipo de produto: uma plataforma de engenharia/observabilidade de LLM, não um motor de inferência nem um modelo — ele observa e avalia as chamadas que sua aplicação faz a outros provedores de LLM
- Banco de dados subjacente: ClickHouse, o banco de dados analítico do qual o próprio Langfuse agora faz parte organizacionalmente
- Repositório criado em: 2023-05-18; o projeto passou pelo lote Winter 2023 (W23) da Y Combinator
- Propriedade: desde janeiro de 2026, o Langfuse faz parte da ClickHouse, Inc. — confirmado pelo cabeçalho de copyright no próprio arquivo LICENSE do repositório no GitHub ("Copyright (c) 2023-2026 ClickHouse, Inc.")
- Escala: mais de 34.700 estrelas no GitHub e aproximadamente 3.794–3.800 forks; não está arquivado, com lançamentos publicados quase diariamente
Histórico do Projeto
O repositório do Langfuse no GitHub foi criado em 2023-05-18, e o projeto passou pelo lote de aceleração Winter 2023 (W23) da Y Combinator. Desde janeiro de 2026, o Langfuse faz parte da ClickHouse, Inc., conforme o cabeçalho de copyright no próprio arquivo LICENSE do repositório. O projeto lança novas versões em um ritmo rápido, quase diário — por exemplo, a v4.38.0 foi publicada em 2026-09-17 e a v4.37.0 no dia anterior, 2026-09-16 — o que indica um desenvolvimento genuinamente ativo e continuamente mantido, e não um projeto parado ou abandonado. Um changelog detalhado e datado, versão a versão, não foi verificado de forma independente para esta análise, então nenhuma lista numerada de marcos é apresentada aqui; consulte a página de releases do próprio Langfuse no GitHub para o histórico completo.
O Que o Langfuse Realmente Faz?
O conjunto de recursos do Langfuse está centrado em observar, pontuar e iterar sobre o comportamento de aplicações de LLM em produção, segundo seu próprio site e documentação.
- Observabilidade/rastreamento de aplicações de LLM — rastreia e inspeciona logs complexos, cadeias e sessões de usuário, para que você veja exatamente o que sua aplicação fez em uma determinada requisição
- Gerenciamento de prompts — controle de versão centralizado para prompts, com cache, para que você possa iterar no texto do prompt sem reimplantar o código da aplicação
- Avaliações — pontuação por LLM-como-juiz, avaliadores baseados em código e coleta de feedback do usuário final, para que a qualidade da resposta seja medida, não apenas estimada
- Datasets — crie conjuntos de teste e benchmarks para avaliação contínua conforme você muda prompts ou modelos
- Langfuse Playground — um espaço dentro da própria interface para testar e iterar em prompts de forma interativa, sem um script separado
- API e SDKs — uma API especificada em OpenAPI, mais SDKs oficiais em Python e JavaScript/TypeScript
- Integrações com frameworks — funciona com a API da OpenAI, LangChain, LlamaIndex e outros frameworks
Exemplos de Uso: Três Formas de Usar o Langfuse
Estes são fluxos de trabalho concretos, construídos a partir do conjunto de recursos documentados do Langfuse acima.
Instrumentar uma aplicação LangChain com o SDK Python
Adicione o SDK Python do Langfuse a uma aplicação baseada em LangChain e configure o callback handler dele. Cada etapa da cadeia, chamada de ferramenta e resposta do modelo em uma execução é então rastreada automaticamente, para que você possa abrir uma sessão específica de usuário na interface do Langfuse e ver exatamente qual etapa produziu uma resposta ruim.
Rodar uma avaliação com LLM-como-juiz em um dataset
Construa um dataset de entradas representativas e resultados esperados no Langfuse, depois configure um avaliador LLM-como-juiz para pontuar novas execuções automaticamente contra esse dataset. Isso transforma "essa mudança de prompt ajuda ou atrapalha" de uma checagem manual pontual em uma comparação repetível e pontuada.
Versionar e reverter um prompt de produção
Gerencie um prompt pelo recurso de gerenciamento de prompts do Langfuse em vez de fixá-lo no código da aplicação. Quando uma nova versão de prompt tem desempenho pior nas pontuações de avaliação ou no feedback dos usuários, reverta para a versão anterior diretamente pelo Langfuse, sem uma nova implantação da aplicação.
Instalar e Rodar o Langfuse
O Langfuse é uma plataforma web self-hosted, não um binário para download direto do usuário final. Segundo sua própria documentação, as opções de self-hosting incluem Docker Compose para configuração local ou rápida (cerca de 5 minutos de configuração, segundo a documentação), uma implantação em VM única, Kubernetes via um Helm chart, e templates de infraestrutura como código para AWS, Azure e GCP. O Langfuse Cloud é uma alternativa gerenciada, separada e opcional ao self-hosting.
Fonte | Link |
|---|---|
| Site oficial | langfuse.com |
| Documentação (self-hosting, SDKs, API) | langfuse.com/docs |
| Repositório no GitHub (código-fonte, arquivos Docker Compose) | github.com/langfuse/langfuse |
| Cadastro no Langfuse Cloud (gerenciado, plano Hobby gratuito) | langfuse.com |
Confirme o método de self-hosting atualmente recomendado (Docker Compose vs. Kubernetes/Helm vs. um template de IaC na nuvem) diretamente em langfuse.com/docs antes de implantar, já que as instruções de configuração podem mudar entre versões.
Preço do Langfuse
Fazer self-hosting do Langfuse é gratuito e open source, independentemente dos planos do Cloud abaixo — esses planos se aplicam apenas ao produto gerenciado Langfuse Cloud. Faça self-hosting com Docker Compose localmente ou com Kubernetes/Helm/templates de infraestrutura como código na nuvem em produção, sem custo, usando o núcleo com licença MIT.
Self-hosted (qualquer método de implantação)
- Preço:
- Gratuito, open source (núcleo MIT)
- Limites principais:
- Nenhum teto de uso imposto pelo Langfuse; sua própria infraestrutura é a única restrição
Cloud Hobby
- Preço:
- $0/mês
- Limites principais:
- 50 mil unidades/mês incluídas, retenção de dados de 30 dias, 2 usuários, suporte via comunidade
Cloud Core
- Preço:
- $29/mês
- Limites principais:
- 100 mil unidades/mês incluídas ($8 a cada 100 mil adicionais), retenção de 90 dias, usuários ilimitados, suporte dentro do app
Cloud Pro
- Preço:
- $199/mês
- Limites principais:
- 100 mil unidades/mês incluídas ($8 a cada 100 mil adicionais), retenção de 3 anos, filas de anotação ilimitadas, limites de taxa altos, relatórios SOC2/ISO 27001, HIPAA disponível
Cloud Enterprise
- Preço:
- $2.499/mês
- Limites principais:
- Tudo do Pro, mais recursos de equipe, limites de taxa personalizados, SLA de uptime e suporte, engenheiro de suporte dedicado
Os valores acima são os preços do Cloud publicados pelo próprio Langfuse no momento desta análise — confirme os planos e limites atuais diretamente em langfuse.com/pricing antes de planejar seu orçamento, já que páginas de preço podem mudar.
Langfuse vs. Helicone
O Helicone (helicone.ai) é outra ferramenta open source conhecida de observabilidade de LLM, e as duas costumam ser comparadas. O PromptQuorum ainda não publicou uma análise dedicada ao Helicone, então esta comparação se baseia no próprio site do Helicone, não em um teste prático do PromptQuorum — confirme os detalhes atuais diretamente em helicone.ai antes de decidir.
Modelo de self-hosting
- Langfuse:
- Docker Compose, Kubernetes/Helm ou templates de IaC na nuvem
- Helicone:
- Também oferece um caminho de implantação self-hosted — confirme os passos de configuração atuais em helicone.ai
Licença/abertura
- Langfuse:
- Núcleo MIT, com uma licença comercial separada para um conjunto menor de recursos com prefixo
ee/ - Helicone:
- Também é open source — confirme os termos exatos da licença atual em helicone.ai, em vez de presumir que coincidem com os do Langfuse
Modelo de preço
- Langfuse:
- Self-hosted gratuito; Cloud gerenciado de $0 (Hobby) a $2.499/mês (Enterprise)
- Helicone:
- Tem sua própria estrutura de preços separada — confira diretamente em helicone.ai/pricing
Recursos de avaliação
- Langfuse:
- LLM-como-juiz, avaliadores baseados em código, datasets, coleta de feedback do usuário
- Helicone:
- Também oferece ferramental relacionado a avaliação — confirme o escopo atual de recursos em helicone.ai
Foco principal
- Langfuse:
- Plataforma completa de engenharia de LLM: rastreamento, avaliações, gerenciamento de prompts, datasets, playground
- Helicone:
- Observabilidade de LLM e registro de requisições estilo gateway, segundo seu próprio posicionamento
Esta tabela deliberadamente ameniza detalhes específicos do Helicone que o PromptQuorum não verificou de forma independente — trate a coluna Langfuse como os fatos verificados desta análise, e a coluna Helicone como ponto de partida para sua própria comparação em helicone.ai.
Quem Deveria Usar o Langfuse?
Se o Langfuse é adequado para você depende de você estar rodando aplicações de LLM em produção e precisar de visibilidade sobre o que elas realmente estão fazendo, em vez de apenas construir ou prototipar uma.
Use o Langfuse se você
- Roda aplicações de LLM em produção e precisa rastrear exatamente o que aconteceu em uma determinada requisição, cadeia ou sessão de usuário
- Quer medir a qualidade da resposta de forma sistemática — via pontuação por LLM-como-juiz, avaliadores baseados em código ou feedback do usuário — em vez de checagens manuais pontuais
- Quer gerenciamento de prompts centralizado e versionado, em vez de prompts fixados espalhados pelo seu código
- Prefere uma plataforma open source que você pode hospedar de graça, com a opção de migrar depois para um plano Cloud gerenciado se quiser menos sobrecarga operacional
- Já usa LangChain, LlamaIndex ou a API da OpenAI e quer um rastreamento que se integre à sua stack existente
Procure outra opção se você
- Precisa de um motor de inferência ou de um modelo — o Langfuse observa e avalia chamadas a provedores de LLM, ele mesmo não roda modelos
- Quer uma ferramenta totalmente gerenciada, sem qualquer configuração, e não está disposto a fazer self-hosting nem a pagar por um plano Cloud acima dos limites gratuitos do Hobby
- Precisa de recursos específicos de SSO, RBAC ou log de auditoria e ainda não checou se eles são do núcleo ou da Enterprise Edition (EE) — confirme na lista de recursos EE do próprio Langfuse antes de presumir que um recurso específico está incluído no self-hosting gratuito
- Precisa apenas de um proxy simples de registro de requisições, sem recursos de avaliação ou dataset — uma ferramenta mais estreita, estilo gateway, pode ser mais adequada
Concorrentes e Alternativas
Ainda não existe uma análise dedicada a ferramentas de observabilidade de LLM no PromptQuorum, então os links abaixo são análises adjacentes de ferramental de produção de LLM, não concorrentes diretos de observabilidade — um contexto útil para quem está avaliando o Langfuse junto com o resto da sua stack de LLM. Para concorrentes diretos de observabilidade, vale pesquisar por nome o Helicone (veja a comparação acima), o PromptLayer e o Arize Phoenix em seus próprios sites.
- Análise do LiteLLM — um gateway/roteador de LLM que fica entre sua aplicação e múltiplos provedores de modelo; costuma ser usado junto com uma ferramenta de observabilidade como o Langfuse, e não no lugar dela.
- Análise do LangChain — o framework que o Langfuse mais comumente instrumenta via seu callback handler e SDKs.
- Análise do Dify — uma plataforma mais ampla de LLMOps/construção de workflows, com seus próprios recursos de rastreamento e avaliação, para quem está comparando uma plataforma tudo-em-um com uma camada de observabilidade dedicada.
Erros Comuns ao Avaliar o Langfuse
A maior parte da confusão sobre o Langfuse vem da sua licença mista, da sua relação com a ClickHouse, ou de confundi-lo com um motor de inferência.
Erro 1: Presumir que o Langfuse é totalmente proprietário porque o GitHub mostra "Other" em vez de "MIT"
O GitHub reporta a licença geral do repositório como "Other" porque um conjunto menor de recursos da Enterprise Edition (EE), mantidos em diretórios com prefixo ee/, carrega uma licença comercial separada, definida no próprio arquivo ee/LICENSE do repositório. Tudo fora desses diretórios — incluindo o caminho principal de self-hosting — tem licença MIT. Leia você mesmo os arquivos LICENSE e ee/LICENSE se uma definição de licença for importante para o seu caso de uso.
Erro 2: Presumir que fazer self-hosting exige pagar por um plano Cloud
O self-hosting é gratuito e open source independentemente dos planos de preço do Langfuse Cloud — esses planos se aplicam apenas ao produto Cloud gerenciado. Docker Compose, Kubernetes/Helm e templates de infraestrutura como código na nuvem são todos caminhos de self-hosting documentados e sem custo.
Erro 3: Presumir que recursos exclusivos da Enterprise são necessários para rastreamento básico
Rastreamento principal, gerenciamento de prompts, avaliações, datasets e o Langfuse Playground fazem parte do núcleo com licença MIT. Não presuma que um recurso avançado específico (por exemplo, certas capacidades de SSO, RBAC ou log de auditoria) está bloqueado atrás da EE, ou incluído, sem checar a lista atual de recursos EE do próprio Langfuse.
Erro 4: Confundir o Langfuse com um motor de inferência
O Langfuse não executa inferência de LLM por conta própria — ele rastreia, avalia e ajuda a depurar as chamadas que sua aplicação faz a provedores externos de LLM, como OpenAI ou Anthropic. Se você precisa de algo que realmente rode um modelo, o Langfuse não é essa ferramenta.
Perguntas Frequentes
O que é o Langfuse?
O Langfuse (langfuse.com) é uma plataforma open source de engenharia de LLM para rastrear, avaliar e depurar aplicações de IA em produção, construída sobre o banco de dados analítico ClickHouse. A própria descrição no GitHub o chama de "open source agent evals & observability".
O Langfuse é gratuito?
Fazer self-hosting do Langfuse é gratuito e open source (núcleo MIT), independentemente dos planos de preço do Cloud. O Langfuse Cloud, a opção gerenciada e hospedada, também tem um plano Hobby gratuito, além de planos pagos a $29, $199 e $2.499 por mês.
O Langfuse é open source? Qual licença ele usa exatamente?
O código-base principal do Langfuse tem licença MIT. Um conjunto menor de recursos da Enterprise Edition (EE), mantidos em diretórios com prefixo ee/, está sob uma licença comercial separada definida no próprio arquivo ee/LICENSE do repositório. Por causa dessa estrutura mista, os metadados do repositório no GitHub reportam a licença geral como "Other" em vez de um selo MIT simples — leia você mesmo os arquivos LICENSE e ee/LICENSE se uma definição de licença for importante para o seu caso de uso.
Como faço self-hosting do Langfuse?
Segundo a própria documentação do Langfuse, as opções de self-hosting incluem Docker Compose para configuração local ou rápida (cerca de 5 minutos de configuração, segundo a documentação), uma implantação em VM única, Kubernetes via um Helm chart, e templates de infraestrutura como código para AWS, Azure e GCP. Veja langfuse.com/docs para as instruções atuais.
Quanto custa o Langfuse Cloud?
O Langfuse Cloud tem quatro planos: Hobby (gratuito, 50 mil unidades/mês, retenção de 30 dias), Core ($29/mês, 100 mil unidades/mês incluídas), Pro ($199/mês, retenção de 3 anos, SOC2/ISO 27001/HIPAA disponíveis) e Enterprise ($2.499/mês, SLA de uptime e suporte). Esses preços se aplicam apenas ao produto Cloud gerenciado, não ao self-hosting.
Quem é o dono ou mantém o Langfuse hoje?
Desde janeiro de 2026, o Langfuse faz parte da ClickHouse, Inc., conforme o cabeçalho de copyright no próprio arquivo LICENSE do repositório no GitHub ("Copyright (c) 2023-2026 ClickHouse, Inc."). O Langfuse foi fundado em 2023 e passou pelo lote Winter 2023 (W23) da Y Combinator.
O que dá para rastrear e avaliar com o Langfuse?
O Langfuse rastreia logs complexos, cadeias e sessões de usuário; oferece suporte a pontuação por LLM-como-juiz, avaliadores baseados em código e coleta de feedback do usuário; fornece datasets para avaliação contínua; e inclui um Playground dentro da própria interface para testar prompts, segundo sua própria documentação.
O Langfuse executa inferência de LLM por conta própria?
Não. O Langfuse observa, rastreia e avalia as chamadas que sua aplicação faz a provedores de LLM, como a OpenAI — ele não executa inferência de modelos por conta própria. Por isso, o diretório do próprio site lista o tipo de motor do Langfuse como "externo".
Com quais frameworks o Langfuse se integra?
O Langfuse se integra com a API da OpenAI, LangChain, LlamaIndex e outros frameworks, segundo sua própria documentação, além de SDKs oficiais em Python e JavaScript/TypeScript e uma API especificada em OpenAPI.
Como o Langfuse se compara ao Helicone?
Ambos são ferramentas open source de observabilidade de LLM que costumam ser comparadas. O PromptQuorum ainda não publicou uma análise dedicada ao Helicone, então confirme os detalhes atuais de self-hosting, licença, preço e recursos diretamente em helicone.ai — veja a tabela de comparação acima para o que esta análise conseguiu verificar especificamente sobre o Langfuse.