Langfuse

Langfuse هي منصة هندسية مفتوحة المصدر للنماذج اللغوية الكبيرة (LLM) مصممة للفرق التي تطلق تطبيقات الذكاء الاصطناعي في بيئة الإنتاج. تأسست في عام 2023 على يد ثلاثة مهندسين من دفعة W23 في Y Combinator، وهي تعالج مشكلة يواجهها كل مطور ذكاء اصطناعي خلال الأسابيع الأولى من النشر في بيئة الإنتاج: انعدام الرؤية حول ما يفعله نموذج LLM الخاص بك فعلياً. تمنح Langfuse الفرق إمكانية المراقبة المنظمة، وإدارة التلقينات، ومسارات التقييم، وأدوات مجموعات البيانات في منصة واحدة، مع خيار حقيقي للاستضافة الذاتية مرخص بموجب MIT يعمل على Docker أو Kubernetes أو البنية التحتية المدارة سحابياً. في يناير 2026، استحوذت ClickHouse على Langfuse إلى جانب جولة تمويل Series D بقيمة 400 مليون دولار، مما جلب موارد هندسية ضخمة لتحسين الأداء وموثوقية المؤسسات مع الحفاظ على الالتزام بالمصادر المفتوحة والأسعار دون تغيير.

تقوم المنصة بتجهيز تطبيقات الذكاء الاصطناعي عبر حزم تطوير البرمجيات (SDKs) لـ Python و TypeScript أو من خلال تكاملات التجهيز التلقائي مع LangChain و LlamaIndex و OpenAI و Haystack وأكثر من 20 إطار عمل آخر. يصبح كل استدعاء لنموذج LLM، واستخدام للأداة، وخطوة استرجاع، وتفاعل للمستخدم عبارة عن تتبع منظم يتضمن عدد الرموز (tokens)، وزمن الوصول، وتوزيع التكلفة، والتقاط كامل للمدخلات والمخرجات. ومن هناك، تقوم الفرق بتشغيل مقيِّمات تعتمد على النماذج اللغوية الكبيرة (LLM-as-judge)، وإرفاق طوابير التعليقات التوضيحية البشرية، وإدارة التلقينات ذات الإصدارات مع اختبارات A/B، وإجراء مقارنات مرجعية عبر مجموعات بيانات منسقة. تعمل Langfuse Cloud على طبقة بيانات مدعومة من ClickHouse تم تقديمها في الإصدار v3 (ديسمبر 2024)، والتي تتعامل مع مئات أحداث الاستيعاب في الثانية دون اختناقات في قاعدة البيانات. يمتلك مستودع GitHub أكثر من 26,300 نجمة ويصدر تحديثات مستمرة، مع إطلاق الإصدار v3.171.0 في أواخر أبريل 2026.

ما الذي تفعله Langfuse فعلياً في أبريل 2026

تقع Langfuse بين كود تطبيقك وواجهات برمجة تطبيقات LLM التي تستدعيها، ولكن ليس كوكيل (proxy). على عكس نهج تبديل عناوين URL الخاص بـ Helicone، تستخدم Langfuse التجهيز على مستوى حزمة تطوير البرمجيات (SDK): يقوم الكود الخاص بك بإنشاء التتبعات (traces) والفترات (spans) بشكل صريح، وتلتقط Langfuse شجرة التنفيذ الكاملة. يمنحك هذا مزيداً من التحكم والسياق، على حساب المزيد من أعمال التكامل في البداية.

يمكن أن يحتوي التتبع الواحد على العشرات من الملاحظات المتداخلة: فترة وكيل خارجية تغلف استدعاء استرجاع، وتوليد LLM، وتنفيذ أداة، وخطوة تنسيق نهائية. تسجل كل عقدة زمن الوصول الخاص بها، وتكلفة الرموز، والمدخلات/المخرجات. عندما يتعطل شيء ما في الساعة 2 صباحاً، يمكنك سحب معرف التتبع (trace ID) من سجلاتك، وفتح Langfuse، لتجد شجرة القرارات الكاملة أمامك بدلاً من التخمين من أجزاء السجلات.

بالإضافة إلى التتبع، تغطي المنصة ثلاثة مسارات عمل مجاورة غالباً ما تتجاهلها أدوات المراقبة:

• إدارة التلقينات: تخزين قوالب التلقينات مع سجل الإصدارات، وترقية الإصدارات عبر البيئات المختلفة، وإجراء تجارب A/B. تبقى التغييرات خارج الكود المصدري ويمكن التراجع عنها دون الحاجة إلى إعادة النشر.

• التقييم: تشغيل مقيِّمات تعتمد على النماذج اللغوية الكبيرة (LLM-as-judge) على عينات من التتبعات تلقائياً، وجمع تعليقات المستخدمين (إعجاب/عدم إعجاب، تقييمات بالنجوم)، وتوجيه التتبعات إلى طوابير التعليقات التوضيحية البشرية للمراجعة اليدوية.

• مجموعات البيانات: تنسيق التتبعات في مجموعات بيانات اختبار منظمة وتشغيل مقارنات مرجعية للتراجع عبر إصدارات التلقينات أو ترقيات النماذج قبل الإطلاق.

قدم إصدار مارس 2026 نموذج بيانات يركز على الملاحظات مع تحسن بمقدار 10 أضعاف في أوقات تحميل لوحة المعلومات، مما يعالج شكوى متكررة حول استجابة واجهة المستخدم عند أحجام التتبع العالية.

موقع Langfuse مقارنة بـ LangSmith و Helicone

تهيمن ثلاث أدوات على هذا المجال، والاختلافات بينها معمارية وليست شكلية.

LangSmith هو منتج المراقبة الاحتكاري الخاص بـ LangChain. إذا كانت حزمة تطبيقك بالكامل تعتمد على LangChain أو LangGraph، فإن LangSmith يوفر تجربة خالية من الاحتكاك حقاً: قم بتعيين متغير بيئة، وسيغطي التتبع التلقائي جميع سلاسلك دون المساس بكود التطبيق. بمجرد خروجك من نظام LangChain البيئي، تختفي هذه الميزة وستحتاج إلى التجهيز اليدوي على أي حال. LangSmith مغلق المصدر ولا يوفر خيار الاستضافة الذاتية، مما يستبعده بالنسبة للفرق التي لديها متطلبات إقامة البيانات. الباقة المجانية: 5,000 تتبع/شهر. باقة Starter: 39 دولاراً/شهر.

تتخذ Helicone بنية معمارية معاكسة: وكيل (proxy) يقع بين الكود الخاص بك وواجهة برمجة تطبيقات LLM. تقوم بإعادة توجيه عنوان URL الأساسي الخاص بك عبر خوادم Helicone وإضافة ترويسة مفتاح API. يستغرق الإعداد حوالي 15 دقيقة ولا يتطلب أي تغييرات على منطق التطبيق. المقايضة هي أن جميع البيانات تمر عبر البنية التحتية لـ Helicone، مما يخلق تبعية لطرف ثالث في المسار الحرج. يمكن لميزة التخزين المؤقت الدلالي في Helicone (التلقينات المتشابهة تعيد استجابات مخزنة مؤقتاً) أن توفر 20-40% من التكاليف في بعض أعباء العمل، وهو ما لا تقدمه Langfuse. لكن Helicone تفتقر إلى ميزات Langfuse مثل إصدارات التلقينات، واختبارات A/B، ومسار التقييم، وإدارة مجموعات البيانات. الباقة المجانية: 50,000 طلب/شهر. باقة Starter: 20 دولاراً/شهر.

تعد Langfuse مستقلة عن إطار العمل وتتطلب تجهيزاً صريحاً لحزمة تطوير البرمجيات (SDK) في جميع أنحاء الكود الخاص بك. استثمار الإعداد أعلى (بضع ساعات مقابل 15 دقيقة في Helicone)، ولكن النتيجة هي صورة المراقبة الأكثر اكتمالاً: فترات متداخلة، وأشجار تنفيذ كاملة للوكيل، وحلقات تعليقات بشرية، وإدارة دورة حياة التلقينات. خيار الاستضافة الذاتية فعال حقاً وكان هدفاً أساسياً للنشر منذ إطلاق المشروع. تحذير واحد: تستخدم Langfuse تنسيق التتبع الخاص بها بدلاً من OpenTelemetry الأصلي، وهو ما ظهر كمصدر قلق بين الفرق التي توحد معاييرها على OTel عبر حزمتها.

"ما أحببناه حقاً في Langfuse هو واجهة برمجة التطبيقات المفتوحة. في حين أن العديد من أدوات التتبع تتطلب حزم تطوير برمجيات (SDKs) أو أغلفة محددة، مكنتنا واجهة برمجة التطبيقات المفتوحة لـ Langfuse من بناء عميل Golang الخاص بنا حولها." - Walt Wells، مهندس برمجيات رئيسي، Khan Academy، 2024

"نحن ننفق أكثر من 60 ألف دولار شهرياً على استدعاءات LLM، لذا فإن وجود العمود الفقري لتصحيح الأخطاء عندما تسوء الأمور قد ساعدنا كثيراً." - punkpeye، Hacker News، ديسمبر 2024

كيف يبدو واقع مسار عمل التجهيز والمراقبة

من الناحية العملية، يبدأ تكامل Langfuse بإعداد SDK لمرة واحدة واتخاذ قرار حول مدى عمق تجهيز الكود الخاص بك. يستخدم المسار الأبسط التجهيز التلقائي مع أغلفة OpenAI أو LangChain، حيث تلتقط بعض المزخرفات (decorators) على مستوى الاستيراد كل استدعاء لـ LLM دون إنشاء فترات يدوياً. بالنسبة لحلقات الوكيل المخصصة أو المسارات متعددة الخطوات، تقوم بالتجهيز بشكل صريح: تغليف كل وحدة عمل ذات مغزى في تتبع أو فترة، وإرفاق المدخلات/المخرجات، والسماح لـ SDK بالتعامل مع التجميع والرفع غير المتزامن.

بمجرد تدفق التتبعات، تمنحك لوحة المعلومات تفصيلاً للتكلفة لكل نموذج، وزمن الوصول P50/P95/P99، ومعدلات الخطأ، وعروض الجلسات على مستوى المستخدم. البحث سريع بما يكفي لجعل تصحيح شكوى مستخدم معين عملاً يستغرق دقيقة واحدة: استعلم بواسطة معرف الجلسة، وافتح التتبع، وتصفح شجرة التنفيذ.

تعمل نسخة Langfuse Cloud على نفس البنية المعمارية المدعومة من ClickHouse والتي تم تقديمها في الإصدار v3، مما يعالج الارتفاعات المفاجئة في حركة المرور دون أن يتراجع ضغط الاستيعاب إلى واجهة برمجة التطبيقات. تكتب بنية v3 الأحداث إلى S3 فور استلامها، وتضعها في قائمة الانتظار قبل إدراجها في قاعدة البيانات، مما يعني أن تباطؤ قاعدة البيانات لا يؤدي إلى إسقاط التتبعات الواردة.

يوضح فريق Khanmigo في Khan Academy مسار عمل الإنتاج: بعد نشر Langfuse في أبريل 2024 عبر أكثر من 100 مستخدم يمتدون على 7 فرق منتجات و 4 فرق بنية تحتية، يستخدم موظفو الدعم تتبعات Langfuse كأداة تصحيح الأخطاء الأولى عندما يبلغ الطالب عن مشكلة. أشار Walt Wells، مهندس البرمجيات الرئيسي في Khan Academy، إلى النتيجة مباشرة: "لقد مكنت Langfuse مطورينا من الحصول على ملاحظات سريعة للغاية." تحافظ Khan Academy على متوسط وقت حل مشكلات الدعم أقل من 8 دقائق عن طريق سحب تتبع الجلسة ذات الصلة بدلاً من إعادة بناء السياق من السجلات.

لمن تم بناء Langfuse

تكون Langfuse الأنسب عندما تتحقق ثلاثة شروط: الفريق يطلق ميزات LLM لمستخدمين حقيقيين (وليس مجرد تقييم النماذج في دفاتر الملاحظات)، وشخص ما في الفريق يمتلك البنية التحتية لـ LLM، وإقامة البيانات أو التراخيص مفتوحة المصدر تهم سواء تجارياً أو قانونياً.

عملياً، هذا يعني مهندسي تعلم الآلة وفرق منصات الذكاء الاصطناعي في الشركات التي تبني فوق نماذج LLM بدلاً من بيع الوصول إلى واجهة برمجة تطبيقات LLM نفسها. تعد Langfuse الخيار الصحيح للفرق التي تستخدم أطر عمل مختلطة (LlamaIndex للاسترجاع، و Python مخصص للوكلاء، و OpenAI للتوليد)، لأن حزمة تطوير البرمجيات (SDK) المستقلة عن إطار العمل تغطي الحزمة الكاملة دون إعداد لكل إطار عمل. كما أنها الخيار الصحيح للصناعات الخاضعة للتنظيم (الرعاية الصحية، والتمويل، والتعليم) التي لا يمكنها إرسال بيانات الإنتاج إلى برمجيات كخدمة (SaaS) تابعة لطرف ثالث دون خيار الاستضافة الذاتية.

يعزز استحواذ ClickHouse من حالة الاستخدام للمؤسسات: تتوفر تقارير الامتثال لـ SOC2 و ISO27001 و HIPAA في باقة Pro، والفريق مدعوم من قبل شركة تتمتع بمصداقية عميقة في البنية التحتية، والالتزام بالمصادر المفتوحة أصبح أكثر استدامة الآن بعد أن أصبح جزءاً من منظمة ممولة جيداً بدلاً من شركة ناشئة في مرحلة التأسيس.

ما لا تمثله Langfuse

ليست Langfuse أداة جاهزة للتشغيل بجهد صفري للمطورين الذين يريدون لوحة معلومات للتكلفة في غضون 15 دقيقة. إذا كانت حالة الاستخدام الخاصة بك بالكامل هي "كم أنفق على OpenAI"، فإن إعداد وكيل Helicone يوصلك إلى هناك بشكل أسرع. تكسب Langfuse استثمار التكامل الخاص بها عندما تحتاج إلى الصورة الكاملة: أشجار التنفيذ المتداخلة، وإصدارات التلقينات، والتقييمات، والتعليقات البشرية، وليس مجرد عدد الرموز.

الاستضافة الذاتية مجانية ولكنها ليست بسيطة. يتطلب الإصدار v3 من Langfuse تشغيل خمس خدمات بالتنسيق: حاوية الويب، وحاوية العامل، و ClickHouse، و Redis/Valkey، وتخزين الكائنات المتوافق مع S3. تواجه الفرق التي ليس لديها بنية تحتية حالية لـ ClickHouse عبئاً تشغيلياً حقيقياً. تضع التقديرات المستقلة التكلفة الإجمالية لملكية الاستضافة الذاتية متوسطة النطاق عند 3,000-4,000 دولار/شهر بما في ذلك وقت DevOps، مقارنة بـ 199-300 دولار/شهر للاستخدام المعادل على Langfuse Cloud Pro. كلمة "مجاني" تنطبق على الترخيص، وليس على البنية التحتية.

كما لا تقدم Langfuse ميزات التخزين المؤقت الدلالي أو تقليل تكلفة واجهة برمجة تطبيقات LLM. إذا كان تقليل الإنفاق على واجهة برمجة التطبيقات هو الهدف الأساسي، فهذا هو مجال Helicone.

تجاوز Langfuse إذا كنت: مطوراً مستقلاً يدير مشروعاً في عطلة نهاية الأسبوع بدون مستخدمين في بيئة الإنتاج، أو فريقاً مستثمراً بالكامل بالفعل في LangChain ويريد تغطية تلقائية بدون إعدادات، أو شركة تحتاج إلى تتبع OpenTelemetry أصلي للتكامل مع بنية تحتية حالية لمجمع OTel.