https://x7peeps.com/tags/LangFuse/index.htmlHugozh-CNFri, 03 Jul 2026 07:21:56 +0000https://x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E5%BA%94%E7%94%A8%E5%8F%AF%E8%A7%82%E6%B5%8B%E6%80%A7%E9%93%BE%E8%B7%AF%E8%BF%BD%E8%B8%AA%E6%88%90%E6%9C%AC%E7%AE%A1%E6%8E%A7%E4%B8%8E%E5%91%8A%E8%AD%A6%E4%BD%93%E7%B3%BB/index.htmlFri, 03 Jul 2026 07:21:56 +0000https://x7peeps.com/AI/06-AI%E5%B7%A5%E7%A8%8B%E5%8C%96/AI%E5%BA%94%E7%94%A8%E5%8F%AF%E8%A7%82%E6%B5%8B%E6%80%A7%E9%93%BE%E8%B7%AF%E8%BF%BD%E8%B8%AA%E6%88%90%E6%9C%AC%E7%AE%A1%E6%8E%A7%E4%B8%8E%E5%91%8A%E8%AD%A6%E4%BD%93%E7%B3%BB/index.htmlAI 应用可观测性：链路追踪、成本管控与告警体系 当 LLM 应用从原型走向生产环境，一个严峻的现实随之浮出水面：你无法优化你无法度量的东西。传统 Web 应用的可观测性体系（Metrics、Logs、Traces 三支柱）在面对 LLM 应用时出现了显著的能力缺口——Token 消耗带来的弹性成本、模型推理的非确定性延迟、输出质量的主观性评估，这些新维度要求我们在传统可观测性的基础上构建一套专属于 AI 应用的监控体系。