Langfuse
Plataforma de ingeniería de LLM de código abierto — tracing y observabilidad, gestión de prompts, evaluaciones, datasets y un playground para equipos que construyen aplicaciones de IA
Langfuse es una plataforma de ingeniería de LLM de código abierto que ayuda a los equipos a desarrollar, monitorizar, evaluar y depurar las funciones de IA dentro de su producto —rastreando cada llamada al LLM, versionando prompts, ejecutando evaluaciones y probando sobre datasets, todo autoalojable o en su nube hospedada. Tiene 31,154 estrellas en GitHub a julio de 2026, tiene licencia MIT en su núcleo, está construida en TypeScript, y salió de la promoción W23 de Y Combinator (pasó a formar parte de ClickHouse en enero de 2026). Para un fundador que lanza un producto de IA responde a una pregunta real —"¿mi modelo realmente hace lo que creo, y está mejorando?"— pero mejora el producto, no su alcance. Langfuse puede decirte que tu IA se afinó; no puede decirle a nadie que tu producto existe.
Qué es Langfuse
Langfuse (github.com/langfuse/langfuse) es una plataforma de código abierto para el trabajo de ingeniería detrás de una función de IA. Una app normal tiene logs y seguimiento de errores; una app impulsada por un LLM tiene un problema más difuso —la salida del modelo cambia, los prompts se desvían, y "¿esto es bueno?" es un juicio de valor en lugar de una comprobación verde. Langfuse le da un hogar a ese trabajo: instrumentas tu app, y ella rastrea cada llamada al LLM, guarda y versiona tus prompts, ejecuta evaluaciones y te permite probar cambios contra datasets guardados. Está construida en TypeScript, tiene licencia MIT en su núcleo, puede autoalojarse en minutos o ejecutarse en Langfuse Cloud, y salió de la promoción W23 de Y Combinator.
- Tracing y observabilidad — ve cada llamada al LLM, cada recuperación y cada paso del agente detrás de una sesión de usuario, para poder depurar por qué una respuesta salió mal.
- Gestión de prompts — versiona e itera tus prompts de forma centralizada en lugar de tenerlos codificados a fuego, sin añadir latencia a tu app.
- Evaluaciones y datasets — puntúa las salidas con LLM-as-a-judge, comprobaciones de código o etiquetado humano, y compara un cambio contra un conjunto de pruebas guardado antes de publicarlo.
- Código abierto y autoalojable — ejecútala en tu propia infraestructura, con una nube hospedada y un nivel empresarial de pago si prefieres no hacerlo.
Dónde encaja Langfuse en el stack de un fundador
Para el número creciente de fundadores que lanzan productos nativos de IA —los que construyen con un kit como Open SaaS o un starter kit de SaaS, y luego conectan un LLM en el centro de la experiencia— Langfuse llena un hueco real: hace que la parte de IA sea observable y mejorable en lugar de una caja negra. Eso importa, porque una función de IA que se degrada en silencio es una fuga de retención que no puedes ver. Si estás construyendo con IA, poder medir y afinar la calidad del modelo es de verdad parte del trabajo.
Pero vale la pena ser preciso sobre qué toca esa palanca. Langfuse opera dentro de tu producto —la calidad de lo que hace tu IA una vez que alguien ya lo está usando. No dice nada sobre el problema más difícil y separado de conseguir a esas personas en primer lugar.
Lo que no hace —y cómo hacer crecer lo que construyes
Langfuse puede decirte que tu IA se afinó esta semana; no puede decirle a una sola persona nueva que tu producto existe. Unos mejores traces no escriben tu posicionamiento, no posicionan tus páginas, no publican en las comunidades donde viven tus usuarios, ni hacen seguimiento a alguien que te probó una vez. Esa es una disciplina distinta de la ingeniería de LLM, y es la que decide si el producto de IA pulido que estás instrumentando llega a usarse alguna vez.
- Mide el producto — pero los primeros usuarios siguen viniendo de lanzamientos, contenido, comunidades y prospección que haces deliberadamente.
- Mejora la calidad del modelo — pero la calidad solo se acumula una vez que la gente ya está dentro; hacer marketing de un producto construido con IA es su propio bucle.
- Instrumenta lo que existe — pero la distribución es el insumo escaso para una startup nativa de IA, y ninguna herramienta de observabilidad la crea.
Aquí es donde encaja AgentCeres — el AI Growth Officer en agentceres.com junto a una herramienta como Langfuse. AgentCeres es un equipo de marketing de IA gestionado: especialistas investigan tu mercado y redactan el SEO, las redes sociales y la prospección que traen gente al producto —con una persona aprobando todo lo que sale. Langfuse te ayuda a construir un producto de IA que vale la pena usar; AgentCeres te ayuda a conseguir que se use. Los dos están en lados opuestos del mismo objetivo —uno mejora el producto, el otro lo da a conocer.
FAQ
- ¿Langfuse es gratis?
- Langfuse es de código abierto y tiene licencia MIT en su núcleo, así que puedes autoalojarla gratis y ser dueño de tus datos. También ofrece Langfuse Cloud, una versión hospedada con un nivel gratuito y planes de pago, además de funciones empresariales para equipos más grandes. Consulta el repositorio y langfuse.com para conocer los límites actuales y qué funciones están en los niveles de pago.
- ¿Langfuse es de código abierto?
- Sí —el núcleo es público en github.com/langfuse/langfuse bajo la licencia MIT y puede autoalojarse, que es la razón principal por la que los equipos la eligen frente a una herramienta de observabilidad totalmente cerrada. Algunas funciones empresariales avanzadas están bajo una licencia comercial separada, el patrón open-core habitual, pero la plataforma es genuinamente utilizable y autoalojable de forma gratuita.
- ¿Necesito Langfuse si solo estoy añadiendo una función de IA?
- No el primer día. Si tienes un solo prompt y funciona, con un logging sencillo basta. Recurre a Langfuse cuando la parte de IA se vuelva difícil de razonar —varios prompts, agentes o pasos de recuperación, o una sensación persistente de que la calidad se está degradando y no ves dónde. Se gana su lugar cuando "¿el modelo sigue siendo bueno?" se convierte en una pregunta que necesitas evidencia real para responder.
- ¿En qué se diferencia Langfuse de una herramienta como Umami?
- Miden capas distintas. Umami y la analítica de producto te dicen cómo se mueve la gente por tu app —páginas, registros, retención. Langfuse te dice qué tan bien está funcionando la IA dentro de tu app —traces, versiones de prompts, puntuaciones de evaluación. Uno vigila el comportamiento del usuario; el otro vigila el comportamiento del modelo. Un equipo que lanza un producto de IA a menudo quiere ambos, además del marketing que trae usuarios que medir en primer lugar.
You built it. Now grow it.
AgentCeres is a managed AI marketing team — specialists draft the SEO, social, and outreach that fill your links, you approve what ships. 14-day free trial, from $19/month.