Langfuse
Plataforma de código aberto de engenharia de LLM — tracing e observabilidade, gestão de prompts, avaliações, datasets e um playground para times construindo aplicações de IA
Langfuse é uma plataforma de código aberto de engenharia de LLM que ajuda times a desenvolver, monitorar, avaliar e depurar as funcionalidades de IA dentro do seu produto — rastreando cada chamada de LLM, versionando prompts, rodando avaliações e testando com datasets, tudo auto-hospedável ou na sua nuvem hospedada. Tem 31,154 estrelas no GitHub em julho de 2026, tem licença MIT no núcleo, é construída em TypeScript e saiu do lote W23 da Y Combinator (passou a fazer parte da ClickHouse em janeiro de 2026). Para um fundador lançando um produto de IA, ela responde a uma pergunta real — "meu modelo está realmente fazendo o que eu penso, e está melhorando?" — mas ela melhora o produto, não o seu alcance. A Langfuse pode dizer que sua IA ficou mais precisa; não pode dizer a ninguém que o seu produto existe.
O que é o Langfuse
Langfuse (github.com/langfuse/langfuse) é uma plataforma de código aberto para o trabalho de engenharia por trás de uma funcionalidade de IA. Um app normal tem logs e rastreamento de erros; um app baseado em LLM tem um problema mais nebuloso — a saída do modelo muda, os prompts se desviam, e "isso está bom?" é uma decisão de julgamento, não uma checagem automática. O Langfuse dá um lugar para esse trabalho: você instrumenta seu app, e ele rastreia cada chamada de LLM, armazena e versiona seus prompts, roda avaliações e permite testar mudanças contra datasets salvos. É construído em TypeScript, tem licença MIT no núcleo, pode ser auto-hospedado em minutos ou rodar no Langfuse Cloud, e saiu do lote W23 da Y Combinator.
- Tracing e observabilidade — veja cada chamada de LLM, recuperação e etapa de agente por trás de uma sessão de usuário, para depurar por que uma resposta saiu errada.
- Gestão de prompts — versione e itere prompts de forma centralizada em vez de fixá-los no código, sem adicionar latência ao seu app.
- Avaliações e datasets — pontue saídas com LLM-as-a-judge, checagens de código ou rótulos humanos, e compare uma mudança contra um conjunto de teste salvo antes de lançá-la.
- Código aberto e auto-hospedável — rode em sua própria infraestrutura, com uma nuvem hospedada e um plano enterprise pago caso prefira não hospedar.
Onde o Langfuse se encaixa na stack de um fundador
Para o número crescente de fundadores lançando produtos nativos de IA — os que constroem com um kit como o Open SaaS ou um kit inicial de SaaS e depois conectam um LLM na experiência central — o Langfuse preenche uma lacuna real: torna a parte de IA observável e melhorável, em vez de uma caixa-preta. Isso importa, porque uma funcionalidade de IA que degrada silenciosamente é um vazamento de retenção que você não consegue ver. Se você está construindo com IA, conseguir medir e ajustar a qualidade do modelo é, de fato, parte do trabalho.
Mas vale a pena ser preciso sobre o que essa alavancagem realmente toca. O Langfuse opera dentro do seu produto — a qualidade do que sua IA faz depois que alguém já está usando. Ele não diz nada sobre o problema separado e mais difícil de conseguir que essas pessoas cheguem até lá, para começo de conversa.
O que ele não faz — e como crescer o que você constrói
O Langfuse pode dizer que sua IA ficou mais precisa nesta semana; não pode dizer a uma única pessoa nova que o seu produto existe. Traces melhores não escrevem seu posicionamento, não rankeiam suas páginas, não postam nas comunidades onde seus usuários estão, nem fazem follow-up com alguém que te testou uma vez. Essa é uma disciplina diferente da engenharia de LLM, e é ela que decide se o produto de IA polido que você está instrumentando chega a ser usado.
- Mede o produto — mas os primeiros usuários ainda vêm de lançamentos, conteúdo, comunidades e prospecção que você faz deliberadamente.
- Melhora a qualidade do modelo — mas a qualidade só se acumula depois que as pessoas já estão na porta; divulgar um produto construído com IA é o seu próprio loop.
- Instrumenta o que já existe — mas distribuição é o insumo escasso para uma startup nativa de IA, e nenhuma ferramenta de observabilidade a cria.
É aqui que a AgentCeres — a AI Growth Officer em agentceres.com se encaixa ao lado de uma ferramenta como o Langfuse. A AgentCeres é um time de marketing com IA gerenciado: especialistas pesquisam seu mercado e redigem o SEO, as redes sociais e a prospecção que trazem pessoas para o produto — com um humano aprovando tudo o que sai. O Langfuse ajuda você a construir um produto de IA que vale a pena usar; a AgentCeres ajuda você a fazer com que ele seja usado. As duas ficam em lados opostos do mesmo objetivo — uma torna o produto melhor, a outra o torna conhecido.
FAQ
- O Langfuse é gratuito?
- O Langfuse é de código aberto e tem licença MIT no núcleo, então você pode auto-hospedá-lo de graça e manter seus dados. Ele também oferece o Langfuse Cloud, uma versão hospedada com um plano gratuito e planos pagos, além de funcionalidades enterprise para times maiores. Confira o repositório e langfuse.com para os limites atuais e quais funcionalidades ficam nos planos pagos.
- O Langfuse é de código aberto?
- Sim — o núcleo é público em github.com/langfuse/langfuse sob a licença MIT e pode ser auto-hospedado, que é o principal motivo pelo qual os times o escolhem em vez de uma ferramenta de observabilidade totalmente fechada. Algumas funcionalidades enterprise avançadas ficam sob uma licença comercial separada, o padrão comum de open-core, mas a plataforma é genuinamente utilizável e auto-hospedável de graça.
- Eu preciso do Langfuse se estou apenas adicionando uma funcionalidade de IA?
- Não no primeiro dia. Se você tem um único prompt e ele funciona, um logging simples já basta. Recorra ao Langfuse quando a parte de IA ficar difícil de entender — vários prompts, agentes ou etapas de recuperação, ou uma sensação incômoda de que a qualidade está se deteriorando e você não consegue ver onde. Ele ganha seu espaço quando "o modelo ainda está bom?" se torna uma pergunta que você precisa de evidências reais para responder.
- Qual é a diferença entre o Langfuse e uma ferramenta como o Umami?
- Eles medem camadas diferentes. O Umami e o product analytics dizem como as pessoas se movem pelo seu app — páginas, cadastros, retenção. O Langfuse diz o quão bem a IA dentro do seu app está performando — traces, versões de prompt, notas de avaliação. Um observa o comportamento do usuário; o outro observa o comportamento do modelo. Um time lançando um produto de IA costuma querer os dois, além do marketing que traz usuários para medir, para começo de conversa.
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.