Phí Langfuse/Cách sử dụng | Sở thích miễn phí 50.000 đơn vị/tháng/Core $29~/Tự lưu trữ miễn phí [2026]

Các điểm chính (câu trả lời 30 giây): Langfuse là một nền tảng có khả năng quan sát nguồn mở giúp thống nhất việc theo dõi, theo dõi chi phí, quản lý nhanh chóng và đánh giá cho các ứng dụng LLM. Gói đám mây miễn phí có giá 50.000 đơn vị mỗi tháng và phiên bản tự lưu trữ cho phép bạn sử dụng miễn phí các chức năng cốt lõi (một số chức năng dành cho doanh nghiệp như RBAC và SCIM yêu cầu giấy phép EE trả phí).

Hộp thông tin Ban biên tập

LangChain・OpenAI・Claude・Dify, v.v.

Xác nhận lần cuối: Ngày 4 tháng 7 năm 2026 bởi ban biên tập

Thời điểm bạn khởi chạy ứng dụng LLM của mình vào sản xuất, bạn thường gặp phải tình huống tương tự. Giá cao hơn tôi mong đợi. Phản hồi chậm ở đâu đó. Tôi không chắc liệu chất lượng có bị giảm hay không nếu tôi làm theo lời nhắc. Nếu các hoạt động bắt đầu mà không thể nhìn thấy nội dung, tất cả những điều này chỉ có thể được theo sau bởi ``đoán''.

Langfuse loại bỏ sự "tàng hình" đó. Đây là một nền tảng có khả năng quan sát mã nguồn mở, mở ra hộp đen của hoạt động ứng dụng LLM và đã trở thành một trong những tiêu chuẩn được cộng đồng nhà phát triển trên toàn thế giới sử dụng rộng rãi (xem GitHub chính thức và trang web chính thức để biết số lượng sao và người dùng mới nhất / được xác nhận tính đến tháng 5 năm 2026).

Chúng tôi sẽ sắp xếp chúng theo thứ tự nhu cầu thực tế, từ khái niệm cơ bản đến thiết lập, định giá và so sánh với các đối thủ cạnh tranh.

Các điểm chính của bài viết này Tóm tắt về cách sử dụng Langfuse, phí và cách thiết lập. Giám sát chi phí, truy tìm và quản lý kịp thời cho các ứng dụng LLM có thể được thực hiện dưới dạng nguồn mở và những khác biệt với LangSmith cũng sẽ được giải quyết.

Những điểm chính của bài viết này

• Langfuse là gì và nó có thể giải quyết được gì?
• Gói giá Langfuse (Miễn phí ~ Doanh nghiệp)
• Cách sử dụng cơ bản với Python/JavaScript
• Cách sử dụng chức năng quản lý và đánh giá nhanh chóng
• So sánh với LangSmith và cách lựa chọn

Langfuse là một nền tảng quan sát LLM mã nguồn mở giúp theo dõi hành vi của các ứng dụng LLM và AI agent, giúp cải thiện chất lượng. Bạn có thể ghi lại đầu vào/đầu ra, chi phí, độ trễ và siêu dữ liệu cho từng yêu cầu, đồng thời theo dõi nhật ký thực thi theo người dùng, phiên, thẻ, v.v. Quản lý lời nhắc, thử nghiệm với bộ dữ liệu và đánh giá bằng LLM với tư cách là thẩm phán và đánh giá của con người trong cùng một quy trình làm việc để tiếp tục chu trình cải tiến. Nó phù hợp cho các nhóm phát triển vận hành RAG và agent trong sản xuất cũng như các tổ chức muốn tập trung vào việc quản lý dữ liệu tự lưu trữ.

Kết luận sau 30 giây

• Langfuse = Nền tảng quan sát LLM mã nguồn mở (Giấy phép MIT)
• 50.000 đơn vị mỗi tháng cho gói không có đám mây, các chức năng cốt lõi có sẵn miễn phí cho phiên bản tự lưu trữ (một số chức năng doanh nghiệp yêu cầu giấy phép EE phải trả phí)
• Trực quan hóa chi phí, độ trễ và chất lượng trong thời gian thực
• Có thể liên kết với các framework lớn như LangChain, OpenAI, Claude, Dify, v.v.
• Linh hoạt hơn LangSmith. Sự khác biệt lớn nhất là bạn có thể tự lưu trữ

Tôi cũng muốn đọc nó

TypingMind là gì? Giá và các tùy chọn lựa chọn bắt đầu từ $39 (phiên bản 2026)

TypingMind là màn hình trò chuyện một lần, nơi bạn có thể sử dụng nhiều AI bằng khóa API của riêng mình. Chúng tôi đã sắp xếp các nội dung của Tiêu chuẩn $39, Mở rộng $79 và Cao cấp $99, phiên bản Nhóm bắt đầu từ $83 mỗi tháng, nơi lưu dữ liệu và mức độ bạn có thể sử dụng miễn phí bằng cách sử dụng thông tin chính thức kể từ tháng 8 năm 2026.

Ngày 7 tháng 8 năm 2026

14 bài toán và giải pháp triển khai AI trong các công ty xây dựng và ngành xây dựng

Phải mất nửa ngày để tạo ước tính và bạn có thể thu thập 20 báo cáo hàng ngày. Chúng tôi đã sắp xếp 14 vấn đề gặp phải khi giới thiệu AI trong ngành xây dựng dưới dạng Hỏi đáp. Hầu hết các nguyên nhân không nằm ở hiệu suất của AI mà nằm ở cách nó được phân phối. Nó bao gồm bản tóm tắt chi tiết về báo cáo hàng ngày, cách bắt đầu sau một tuần, chi phí khoảng 3.000 yên Nhật mỗi tháng và những điểm cần lưu ý về trợ cấp.

Ngày 7 tháng 8 năm 2026

Claude là một chatbot AI được phát triển bởi Anthropic, hỗ trợ hiểu, tạo, tóm tắt và phân tích văn bản theo cách trò chuyện tự nhiên. Nó có thế mạnh trong việc đọc các văn bản dài và sắp xếp các vấn đề, đồng thời có thể tóm tắt nội dung giấy tờ, hợp đồng, báo cáo, biên bản, v.v. và rút ra những điểm và rủi ro quan trọng. Chúng tôi cũng có thể trợ giúp soạn thảo email, đề xuất và tài liệu kinh doanh, diễn giải văn bản và tư vấn về quy tắc. Nó phù hợp cho các cá nhân và người dùng doanh nghiệp muốn hợp lý hóa việc nghiên cứu, viết và tạo tài liệu kinh doanh đồng thời nhấn mạnh tính chính xác và giải thích chi tiết.

Langfuse là gì? Một công cụ giúp hiển thị “các phần vô hình” của ứng dụng LLM

Khi bạn xây dựng một ứng dụng sử dụng ChatGPT hoặc API của Claude (một cửa sổ để gọi AI từ phần mềm khác), dù nó đang chạy trên màn hình nhưng bạn khó có thể nhìn thấy những gì đang diễn ra bên trong. Đây là ba câu hỏi còn lại.

• Yêu cầu này tốn bao nhiêu tiền?
• Tại sao tôi nhận được câu trả lời kỳ lạ với lời nhắc này?
• Thông tin thu được thông qua RAG (một hệ thống giúp mọi người đọc tài liệu nội bộ và trả lời câu trả lời) có được chuyển đến AI một cách chính xác không?

Langfuse là một công cụ ghi lại tất cả hoạt động nội bộ của các ứng dụng LLM này và trực quan hóa chúng. Đối với mỗi cuộc gọi, đầu vào, đầu ra, số lượng mã thông báo (số nhóm ký tự được AI xử lý), chi phí và thời gian xử lý vẫn được giữ nguyên.

3 lý do để chọn Langfuse

1. Nguồn mở và tự lưu trữ

Toàn bộ mã được phát hành theo giấy phép MIT. Với Docker, bạn có thể khởi động cục bộ trong 5 phút và vận hành hoàn toàn trên máy chủ của riêng mình. Đây là lợi thế mang tính quyết định đối với những công ty không thể công bố nhật ký và dữ liệu hội thoại.

1. Khung độc lập

LangChain, LlamaIndex, OpenAI SDK, Claude SDK, Dify, Langflow—bất kỳ cách nào trong số đó cũng sẽ hoạt động. Vì nó không bị ràng buộc với một khung cụ thể nên nó có thể được sử dụng ngay cả trong cấu hình kết hợp nhiều mô hình và nhiều ngăn xếp.

1. Các chức năng được tích hợp

Việc truy tìm, quản lý kịp thời, đánh giá và quản lý dữ liệu đều được hoàn thành trên một nền tảng. Không cần phải mua và vá các công cụ cho từng vai trò.

Nếu bạn liệt kê các chức năng trước, bạn sẽ dễ hiểu hơn những gì bạn chạm vào trong quá trình thiết lập sau này.

Danh sách các tính năng chính của Langfuse

Nói cách khác, 7 chức năng này có thể được sử dụng gần như ngay cả trong gói miễn phí. Chúng ta hãy xem nội dung của khoản phí đó.

ChatGPT là chatbot AI hỗ trợ trả lời câu hỏi, tạo văn bản, sắp xếp thông tin và tạo ý tưởng thông qua đối thoại tự nhiên. Bạn có thể thực hiện các tác vụ dựa trên văn bản như tóm tắt văn bản dài, soạn thảo email và đề xuất, dịch, diễn giải và sắp xếp chúng dưới dạng bảng trong khi trò chuyện. Chúng tôi còn cung cấp dịch vụ tạo mã lập trình, xác nhận nguyên nhân lỗi, giải thích nội dung học tập và tư vấn bằng hình ảnh. Nó phù hợp cho những người dùng muốn sử dụng nó cho nhiều mục đích khác nhau, từ nghiên cứu cá nhân đến hỗ trợ tạo và phát triển tài liệu kinh doanh.

Gói giá Langfuse [phiên bản mới nhất 2026]

Phiên bản đám mây (Langfuse Cloud)

Phiên bản đám mây của Langfuse có sẵn trong bốn gói. Sự khác biệt duy nhất là số lượng đơn vị, thời gian lưu giữ và số lượng người. Bản thân chức năng này có sẵn miễn phí.

Nói cách khác, nếu bạn muốn dùng thử trước, bạn không phải lo lắng về việc sử dụng Hobby, ứng dụng này miễn phí. Tăng lên Core hoặc cao hơn khi số lượng người và việc lưu giữ dữ liệu trở nên cần thiết. Dòng chảy này là đơn giản.

Phí vượt mức: 8 USD/100.000 đơn vị cho hơn 100.000 đơn vị (7 USD cho trên 1 triệu đơn vị, 6,50 USD cho trên 10 triệu đơn vị)

Bạn có thể làm gì với kế hoạch Sở thích?

Tất cả các tính năng đều có sẵn ngay cả với gói miễn phí. Những hạn chế duy nhất là số lượng đơn vị, thời gian lưu giữ và số lượng người dùng. Không cần thẻ tín dụng. 50.000 đơn vị mỗi tháng là quá đủ cho sự phát triển cá nhân và các dự án nhỏ.

Các trường hợp kế hoạch cốt lõi phù hợp

Nó trở nên hiệu quả khi hoạt động sản xuất và phát triển nhóm bắt đầu. Với 29 USD (khoảng 4.400 yên Nhật) mỗi tháng, bạn có thể có số lượng người dùng không giới hạn và kéo dài thời gian lưu giữ dữ liệu lên 90 ngày. Giảm giá 50% cho người khởi nghiệp sớm và giảm giá lên tới 100% cho mục đích học tập và nghiên cứu.

Những gì được thêm vào với gói Pro

Tuân thủ SOC 2/ISO 27001, lưu giữ dữ liệu 3 năm, giới hạn tốc độ cao (hỗ trợ khối lượng theo dõi cấp doanh nghiệp). Cấu hình này dành cho các công ty có yêu cầu bảo mật nghiêm ngặt.

Phiên bản tự lưu trữ

Bạn có thể sử dụng miễn phí chức năng cốt lõi của Giấy phép MIT (có sẵn cho mục đích sử dụng thương mại). Tuy nhiên, một số tính năng dành cho doanh nghiệp như RBAC, SCIM, lời nhắc được bảo vệ và chính sách lưu giữ dữ liệu yêu cầu giấy phép EE trả phí riêng (xem bên dưới).

# Dockerで即セットアップ
git clone https://github.com/langfuse/langfuse
cd langfuse
docker compose up

Việc thêm giấy phép doanh nghiệp tự lưu trữ ($500/tháng) sẽ mở khóa RBAC, SCIM, lời nhắc được bảo vệ, chính sách lưu giữ dữ liệu, v.v.

Khi bạn đã có cái nhìn tổng quan về giá cả, bạn có thể chuyển sang thiết lập thực hành.

Cách bắt đầu và thiết lập Langfuse

Bước 1: Tạo tài khoản và cài đặt dự án

1. Hãy truy cập cloud.langfuse.com
2. Đăng ký bằng tài khoản GitHub hoặc email của bạn
3. Tạo “Tổ chức mới” → “Dự án mới”
4. Cấp khóa API từ cài đặt dự án (Khóa công khai + Khóa bí mật)

Bước 2: Cài đặt SDK

# Python
pip install langfuse openai

# JavaScript / TypeScript
npm install langfuse openai

Bước 3: Đặt biến môi trường

# .env ファイル
LANGFUSE_PUBLIC_KEY="pk-lf-xxxxxxxxxxxxxxxx"
LANGFUSE_SECRET_KEY="sk-lf-xxxxxxxxxxxxxxxx"
LANGFUSE_HOST="https://cloud.langfuse.com"  # セルフホストの場合はそのURLに変更

Bước 4: Ghi lại dấu vết đầu tiên của bạn

Đối với Python (@observe trang trí):

from langfuse.openai import openai
from langfuse.decorators import observe

@observe()
def generate_response(user_question: str) -> str:
    response = openai.chat.completions.create(
        model="gpt-4o",
        messages=[
            {"role": "user", "content": user_question}
        ]
    )
    return response.choices[0].message.content

# これだけでトークン数・コスト・レイテンシが自動記録される
result = generate_response("AIとは何ですか？")
print(result)

Đối với JavaScript (tích hợp OpenAI SDK):

import { Langfuse } from "langfuse";
import OpenAI from "openai";

const langfuse = new Langfuse();
const openai = new OpenAI();

async function generateResponse(userQuestion: string) {
  const trace = langfuse.trace({ name: "chat-response" });
  const generation = trace.generation({
    name: "openai-call",
    model: "gpt-4o",
    input: userQuestion,
  });

  const response = await openai.chat.completions.create({
    model: "gpt-4o",
    messages: [{ role: "user", content: userQuestion }],
  });

  const answer = response.choices[0].message.content;
  generation.end({ output: answer });
  return answer;
}

Tại thời điểm này, bạn sẽ thấy nhật ký chi tiết về tất cả các yêu cầu trên trang tổng quan của mình. Sau khi đã thiết lập và chạy các kiến ​​thức cơ bản, chúng ta sẽ xem xét việc kết nối với các khung mà chúng ta thường sử dụng.

Cách tích hợp với các framework chính

Hợp tác với LangChain

LangChain có thể được tích hợp với một cuộc gọi lại duy nhất.

from langfuse.callback import CallbackHandler
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

# Langfuseのコールバックハンドラを作成
langfuse_handler = CallbackHandler()

prompt = ChatPromptTemplate.from_template("以下の質問に答えてください: {question}")
model = ChatOpenAI(model="gpt-4o")
chain = prompt | model

# callbacksにLangfuseを指定するだけ
response = chain.invoke(
    {"question": "AIの将来性は？"},
    config={"callbacks": [langfuse_handler]}
)

Hợp tác với Dify

Langfuse cũng có thể được sử dụng với Dify không có mã. Bạn có thể thực hiện giám sát mà không cần viết một dòng mã nào. Nơi này khá thuận tiện.

1. Chỉnh sửa "Cài đặt" → "Giám sát" → "Cấu hình Langfuse"
2. Nhập Khóa công khai, Khóa bí mật và Máy chủ
3. Điều này sẽ tự động theo dõi tất cả các cuộc gọi Dify LLM.

Tích hợp trực tiếp OpenAI

# langfuseがOpenAIをラップするため、コード変更は最小限
from langfuse.openai import openai

response = openai.chat.completions.create(
    model="gpt-4o",
    messages=[{"role": "user", "content": "こんにちは"}]
)
# トークン数・コスト・レイテンシが自動記録

Hợp tác API Anthropic và Claude

Trong trường hợp API Claude, chỉ số lượng mã thông báo được chuyển theo cách thủ công. Đây là điều đáng chú ý.

import anthropic
from langfuse.decorators import observe, langfuse_context

@observe()
def ask_claude(question: str):
    client = anthropic.Anthropic()
    message = client.messages.create(
        model="claude-opus-4-6",
        max_tokens=1024,
        messages=[{"role": "user", "content": question}]
    )
    # 手動でトークン数を記録
    langfuse_context.update_current_observation(
        usage={
            "input": message.usage.input_tokens,
            "output": message.usage.output_tokens,
        }
    )
    return message.content[0].text

Tóm tắt cho đến nay: Langfuse là một "lớp giám sát" có thể ghi lại tất cả các cuộc gọi bất kể bạn sử dụng kiểu máy nào. Bắt đầu với Sở thích, miễn phí và tự lưu trữ nếu bạn muốn giữ dữ liệu của mình nội bộ. Việc tích hợp có thể được thực hiện bằng một lệnh gọi lại hoặc đầu vào chính cho giao diện người dùng. Từ đây trở đi, chúng ta sẽ thảo luận về cách sử dụng dữ liệu được ghi lại trong hoạt động - quản lý và đánh giá nhanh chóng.

Sau khi tích hợp cho phép bạn ghi âm cuộc gọi, điều tiếp theo cần làm là quản lý lời nhắc.

Cách sử dụng tính năng quản lý nhanh chóng

Nếu bạn viết lời nhắc (hướng dẫn cho AI) trực tiếp vào mã, bạn sẽ cần triển khai chúng mỗi khi thay đổi chúng. Hơn nữa, không thể theo dõi xem ai đã thay đổi cái gì và khi nào. Quản lý nhanh chóng của Langfuse tập trung việc này vào phía bảng điều khiển. Phát triển nhóm hiệu quả hơn.

công lao:

• Kiểm soát phiên bản (tất cả lịch sử thay đổi vẫn còn)
• Nhãn triển khai (phát triển/dàn dựng/sản xuất)
• Ngay cả những người không phải là kỹ sư cũng có thể chỉnh sửa và triển khai lời nhắc trên giao diện người dùng
• So sánh hiệu quả của nhiều phiên bản với thử nghiệm A/B

Nhận lời nhắc từ mã:

from langfuse 
langfuse = Langfuse()

# production ラベルがついたプロンプトを取得（キャッシュ付き）
prompt = langfuse.get_prompt("answer-question")

# 変数を埋め込む
compiled_prompt = prompt.compile(topic="AIの歴史", language="日本語")

# 使用後、プロンプト更新はダッシュボードから→コード変更不要

Sau khi có thể thay thế lời nhắc, bạn sẽ muốn đo xem chất lượng đã được cải thiện hay giảm sút do thay thế chúng. Đây là lúc chức năng đánh giá phát huy tác dụng.

Tự động kiểm tra chất lượng LLM với chức năng đánh giá

Kiểm soát chất lượng cho các ứng dụng LLM rất phức tạp. Việc tiếp tục kiểm tra thủ công mỗi khi ``chất lượng bị suy giảm sau khi thay đổi lời nhắc'' sẽ không thành công khi đạt đến thang đo. Chức năng Đánh giá của Langfuse tự động thực hiện việc chấm điểm này.

LLM-as-a-Judge (đánh giá tự động)

Đây là một hệ thống trong đó một AI riêng biệt sẽ tự động ghi lại dấu vết thực tế.

1. Mở “Người đánh giá” trong bảng điều khiển Langfuse
2. Nhấp vào "Tạo người đánh giá"
3. Đặt lời nhắc đánh giá (ví dụ: "Vui lòng đánh giá độ chính xác của câu trả lời của bạn theo thang điểm từ 1-5")
4. Đặt mô hình mục tiêu và tần suất đánh giá
5. Từ đó trở đi, điểm sẽ được tự động gán mỗi khi nhập dấu vết mới.

Điểm số được hiển thị trên bảng điều khiển dưới dạng biểu đồ chuỗi thời gian. Do đó, bạn có thể nhận thấy ''chất lượng đã giảm sau khi thay đổi lời nhắc'' trước khi người dùng phàn nàn.

Thu thập phản hồi của người dùng

from langfuse 
langfuse = Langfuse()

# ユーザーがサムアップ/サムダウンを押したとき
langfuse.score(
    trace_id="trace-xxxxx",
    name="user-feedback",
    value=1,  # 1=高評価, 0=低評価
    comment="とても分かりやすかった"
)

Cho đến nay, chúng ta chỉ nói về Langfuse. Cuối cùng, hãy làm rõ những so sánh với các đối thủ cạnh tranh mà hầu hết mọi người đều lo lắng trước khi thực hiện.

So sánh với LangSmith: Bạn nên chọn cái nào?

So sánh tốt nhất với Langfuse là LangSmith (do LangChain sản xuất). Khi đặt chúng cạnh nhau, sự khác biệt về hệ tư tưởng sẽ trở nên rõ ràng.

Điều quan trọng là liệu bạn có thể có dữ liệu của riêng mình hay không. Và bạn nên đóng góp bao nhiêu cho LangChain? Nó được chia cho hai điểm này.

Khi nào nên chọn Langfuse:

• Tôi muốn lưu giữ dữ liệu của mình bằng tính năng tự lưu trữ
• Tôi cũng sử dụng các framework khác ngoài LangChain (Claude SDK, Dify, v.v.)
• Tôi có một đội ngũ lớn và muốn tập trung vào hiệu quả chi phí.
• Ưu tiên nguồn mở (tránh khóa nhà cung cấp)

LangSmith phù hợp cho:

• Chỉ sử dụng LangChain/LangGraph
• Tôi không muốn phải chịu chi phí hoạt động của việc tự lưu trữ
• Tôi cũng muốn sử dụng chức năng triển khai của LangGraph (LangGraph Cloud)

Đánh giá độc lập về Ban biên tập liên tục đánh giá hơn 500 công cụ AI. Điểm của bạn sẽ không thay đổi tùy thuộc vào việc bạn đặt quảng cáo hay có quan hệ đối tác.

Điểm được tính theo tiêu chuẩn riêng của ban biên tập. Vui lòng xem tiêu chí đánh giá để biết chi tiết.

Biên bản xác minh của ban biên tập

Quan điểm xác minh

Một công cụ có khả năng quan sát tốt không chỉ phụ thuộc vào số lượng tính năng mà nó có. Ban biên tập so sánh thông tin đại chúng trên ba trục sau.

1. Triển khai linh hoạt (tùy chọn đám mây/tự lưu trữ)
2. Cấu trúc chi phí (cấp miễn phí và mức độ thanh toán rõ ràng)
3. Hợp tác hệ sinh thái (LangChain, API LLM chính và tương thích khung RAG)

So sánh và tổ chức từ thông tin công cộng

Langfuse và các API LLM chính (ChatGPT/Claude) được đề cập trong bài viết này có các vai trò khác nhau ngay cả trong cùng một "ngăn xếp hoạt động ứng dụng LLM". Nếu bạn trộn lẫn chúng, bạn sẽ mắc sai lầm trong việc lựa chọn.

*Vui lòng tham khảo từng trang web chính thức để biết thông tin chi tiết mới nhất về phí và chỗ trống miễn phí.

Vì vậy Langfuse không phải là sự thay thế cho lý luận. Nó là một lớp giám sát được đặt trên đầu công cụ suy luận. Việc lựa chọn mô hình nào để sử dụng là một vấn đề riêng biệt.

Nhận định toàn diện của ban biên tập

Đánh giá từ các thông số kỹ thuật chính thức, các hướng dẫn có thể được tổ chức như sau.

• Các nhóm ưu tiên chủ quyền về chi phí và dữ liệu → Cấu hình tự lưu trữ của Langfuse là lựa chọn khả thi nhất. Giấy phép MIT giúp dễ dàng kết hợp vào các hoạt động nội bộ.
• Một ứng dụng tập trung vào các nhiệm vụ tiếng Nhật và tóm tắt văn bản dài → Sự kết hợp giữa việc sử dụng Claude ở khía cạnh suy luận và truy tìm bằng Langfuse rất hợp lý.
• Nếu bạn muốn tăng tốc độ tạo mẫu bằng hệ sinh thái OpenAI hiện có → Đặt API ChatGPT ở phía suy luận và bắt đầu với cấp miễn phí của Langfuse Cloud sẽ giúp giảm chi phí ban đầu.

Câu hỏi thường gặp

Q. Langfuse có hỗ trợ tiếng Nhật không?

Giao diện người dùng chính thức bằng tiếng Anh, nhưng có sẵn trang tài liệu tiếng Nhật chính thức (langfuse.com/jp). Dữ liệu dấu vết của Nhật Bản cũng có thể được xử lý mà không gặp vấn đề gì. Cộng đồng người Nhật cũng hoạt động tích cực, có nhiều bài viết tiếng Nhật đăng trên Zenn và Qiita.

Q. Việc tự lưu trữ có thực sự miễn phí không?

Bản thân Langfuse hoàn toàn miễn phí theo giấy phép MIT. Tuy nhiên, chi phí vận hành cho máy chủ của riêng bạn (AWS EC2, GCP, v.v.) sẽ được tính riêng. Đối với quy mô nhỏ, một VPS có giá vài nghìn yên Nhật mỗi tháng là đủ. Các tính năng như RBAC và SCIM dành cho doanh nghiệp yêu cầu giấy phép trả phí ($500/tháng).

Câu hỏi: Tôi có thể sử dụng các mô hình khác ngoài OpenAI không?

Bạn có thể sử dụng nó. Tất cả các mô hình chính như Claude (Anthropic), Gemini (Google), Mistral, Groq và Amazon Bedrock đều được hỗ trợ. Vì nhật ký có thể được lấy thông qua proxy LiteLLM nên các mô hình duy nhất và LLM cục bộ cũng có thể được hỗ trợ.

H. Nó cũng có thể hoạt động với các công cụ không cần mã như Dify và Langflow không?

Có thể. Việc tích hợp với Dify được hoàn tất bằng cách chỉ cần nhập cài đặt Langfuse trên giao diện người dùng. Langflow cũng hỗ trợ tích hợp gốc. Bạn có thể làm cho ứng dụng LLM của mình có thể quan sát được mà không cần viết bất kỳ mã nào.

Q. "đơn vị" là gì?

Đơn vị phí Langfuse. Về cơ bản, một lệnh gọi API LLM tương đương với một đơn vị (bao gồm cả tính năng theo dõi nhiều lượt). 50.000 đơn vị mỗi tháng tương đương với khoảng 1.600 cuộc gọi LLM mỗi ngày, đủ cho phát triển cá nhân và các dự án nhỏ.

Q. Dữ liệu được lưu trữ ở đâu?

Langfuse Cloud (phiên bản đám mây) được lưu trữ trên các máy chủ ở khu vực Hoa Kỳ và EU. Nếu bạn muốn lưu trữ dữ liệu của mình ở Nhật Bản, lựa chọn tốt nhất là sử dụng phiên bản tự lưu trữ. Nó chạy trên Docker Compose hoặc Kubernetes và sử dụng PostgreSQL (+ClickHouse) làm cơ sở dữ liệu.

Langfuse là cầu nối từ khâu “chạy ứng dụng LLM” đến khâu “vận hành ứng dụng LLM đúng cách”. Đây là gói miễn phí và bạn có thể dùng thử ngay mà không cần thẻ tín dụng, vì vậy, không có hại gì khi cài đặt gói này trước khi bạn bắt đầu phát triển ứng dụng AI.

Bài viết liên quan

• [Mới nhất 2026] Hướng dẫn đầy đủ về Appsmith | Giải thích kỹ lưỡng về phí, cách sử dụng và cách bắt đầu xây dựng công cụ của riêng bạn
• [Mới nhất năm 2026] Hướng dẫn đầy đủ về LiteLLM | Cách gọi hơn 100 LLM với API, phí và mức sử dụng thống nhất
• [Mới nhất 2026] Hướng dẫn đầy đủ về AutoGPT | Giải thích kỹ lưỡng về cách sử dụng, phí, cài đặt và sự khác biệt từ CrewAI

Trang web chính thức của từng công cụ (thông tin chính)

Giá cả, chức năng và phạm vi hỗ trợ là thông tin chính được cung cấp bởi trang web chính thức của mỗi công ty. Bài viết này dựa trên xác minh tại thời điểm xuất bản, nhưng hãy nhớ kiểm tra từng trang chính thức để biết các điều kiện chính xác và mới nhất.

• Langfuse — Trang web chính thức (xem chi tiết)
• ChatGPT — Trang web chính thức (xem chi tiết)
• Claude — Trang web chính thức (xem chi tiết)

Nếu bạn muốn đọc phần tiếp theo, thì đó là nguồn gốc của câu chuyện về "đăng nhập qua proxy LiteLLM" đã được đề cập trong Câu hỏi thường gặp. Biết cách gọi hơn 100 mô hình bằng một API sẽ giúp việc kết nối dễ dàng hơn khi tăng số lượng mục tiêu cần giám sát với Langfuse → LiteLLM Complete Guide