FDE Times 数据在招 FDE 职位 924▲33 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 80在招公司 196支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 107
ENVI

前线部署工程师(FDE)的专业媒体

工具

Logfire 的 SDK 开源,存放 trace 的后端却不开源

四行代码就能基于 OpenTelemetry 追踪客户的 Agent,标准 SQL 让客户的数据工程师也能读懂查询。

分享微博

要点速览

  • Logfire 把 LLM 调用、HTTP 请求和数据库查询放在同一条时间线上,基于 OpenTelemetry,提供 40 多个集成
  • SDK 采用 MIT 许可,但 UI 和后端闭源;自托管需要企业版许可
  • 免费的 Personal 方案每月上限为 1000 万条日志、span 和指标,数据保留 30 天
示意图:在客户的基础设施内,FastAPI Agent 使用开源的 Logfire SDK(MIT 许可,基于 OpenTelemetry)。一条橙色高亮的箭头携带 trace(含提示词和数据)离开客户基础设施,流向闭源的 Pydantic 平台(UI 和后端)。自托管需要企业版许可。
Logfire SDK 采用 MIT 许可并基于 OpenTelemetry,但 UI 和后端闭源。没有用于自托管的企业版许可,包含提示词和客户数据的 trace 就存放在 Pydantic 的平台上。来源:官方仓库及 Pydantic 对比页面。

在客户现场的第三天,Agent 给出了一个错误答案,还花了 40 秒。没人知道时间耗在哪里:LLM 调用、某条 SQL 查询,还是某个内部 API。

Logfire 正是为这种场景设计的。Pydantic 把它定位为一体化的 AI 工程平台,能把 Agent、服务和主机上的每一次 LLM 调用、请求和查询放到同一条时间线上。

对前线部署工程师(FDE)来说,它的价值在于快。你没有两周时间先搭好一套可观测性体系再开始排查,客户也等不了那么久。问题在于,这个工具有的部分开源,有的部分闭源,推荐之前必须弄清楚界线在哪里。

你的代码里实际运行的是什么?

官方仓库把 Python SDK 描述为一个“有主见的”(opinionated)OpenTelemetry 封装。OpenTelemetry 是 trace、指标和日志的开放标准。此外还有 TypeScript 和 Rust SDK,均采用 MIT 许可。Logfire 提供 40 多个集成,包括 FastAPI、Django、SQLAlchemy 和 HTTPX。

最关键的一点是 OpenTelemetry:采集到的数据遵循开放标准,而不是 Pydantic 专有的格式。Pydantic 的对比页面称 Logfire 的埋点“完全可移植”,但由于 SDK 是它自己的封装,logfire.configure()、logfire.instrument_fastapi(app) 这类调用仍然是 Logfire 的 API。

数据用标准 SQL 查询,没有专有查询语言。在客户现场,这一点的作用比想象中大:客户的数据工程师不用学新语法,马上就能看懂你的查询。

四个步骤,一个 FastAPI 服务

假设客户有一个 FastAPI 服务,里面封装了一个客服 Agent。按照仓库的说明,上手只需安装包、认证、配置,再打开框架集成:

pip install logfire
logfire auth
import logfire
from fastapi import FastAPI

app = FastAPI()
logfire.configure()
logfire.instrument_fastapi(app)

此后,服务收到的每个请求都会变成一条 trace。再加上 SQLAlchemy 或 HTTPX 等集成,数据库查询和对外 HTTP 调用就会和请求出现在同一条时间线上。回到那个 40 秒的例子:你能立刻看出哪一段耗时,而不必在别人的代码库里到处塞 print 语句。

到了客户现场,第一件事是只给一个服务埋点,也就是 Agent 最重要的那条路径,然后写一条 SQL 查询找出最慢的请求。第一次会议就拿出具体答案,比一个没人打开的漂亮仪表盘有用得多。

免费版够不够做试点?

免费的 Personal 方案每月包含相当于 1000 万条日志、span 和指标的额度,到达上限即停止。Personal 和 Team 方案数据保留 30 天,Growth 方案最长 90 天。Team 每月 49 美元,Growth 每月 249 美元;超出部分按每百万条 2 美元计费,所有付费方案都设有价格上限,可以设定支出天花板。

算一笔账。假设每个 Agent 请求产生 25 个 span:一个 HTTP 请求、几次 LLM 调用和几次查询。每天 2,000 个请求,就是每天 50,000 个 span,每月约 150 万,远在免费额度之内。

如果每天 20,000 个请求,每月就涨到约 1500 万,超过 Personal 的上限。用 Team 方案,要付每月 49 美元的基础费用,再加上超出的 500 万条记录,按每百万条 2 美元计为 10 美元,合计每月约 59 美元。在承诺“免费版就够用”之前,先用客户的真实数据算一遍。

需要提前和客户讲清的限制

最大的限制不是价格。Logfire 的 UI 和后端是闭源的,自托管需要企业版许可。对银行、医疗机构或公共部门客户来说,trace 里可能包含提示词和客户数据;没有这份许可,trace 就存放在 Pydantic 的平台上,而不在客户自己的基础设施里。

30 天的数据保留期同样是实实在在的限制。如果客户需要回看上个季度的故障,就得考虑 Growth 方案,或者自己把数据导出到别处。

如果客户在 LangGraph 上投入很深,Pydantic 自己也承认,这类团队可能更喜欢竞品提供的专用图状态 UI。Logfire 的图视图是根据 Pydantic Graph 代码生成的 Mermaid 图。

按 Pydantic 的说法,Logfire 覆盖全栈,而 LangSmith 更偏向 LLM 和 Agent;不过这是厂商自己的对比页面,最好在客户的实际负载上亲自测一测。

先学什么?

先学 OpenTelemetry,再学 Logfire。Logfire 建立在这个开放标准之上,扎实理解 trace、span 以及它们之间的关联方式,即使客户选了别的后端,你也能读懂数据。Logfire 是观察这些概念实际运作的好起点,几行代码就能拿到 trace。

看岗位描述时,留意“observability”“OpenTelemetry”或“production LLM systems”这类字眼。在简历上,写一句“为 FastAPI Agent 接入 OTel 追踪,定位到拖慢响应的瓶颈”,远比罗列一串工具名更有说服力。

在客户现场,迟早会有人问“这些数据去了哪里?”优秀的 FDE 在运行 logfire auth 之前就已经有了答案。

这篇文章对你有帮助吗?

5 个信源
路线图上的下一篇 · 阶段 6: 价值度量提示词不能出内网时,如何调试客户的 LLM 应用自托管的 Phoenix 不向 Arize 发送任何数据,追踪定位故障,评测统计频率,但推荐前先读许可证。