Hébergement de Langfuse sur ton propre serveur.

Langfuse assure l’observabilité et le tracing des applications LLM: suivi des prompts, des réponses du modèle, des coûts, de la latence et des évaluations de qualité de chaque appel, avec un historique des sessions et des datasets pour les tests de régression. Les images Docker officielles langfuse/langfuse et langfuse/langfuse-worker sont accompagnées de conteneurs dédiés Postgres, ClickHouse, Redis et MinIO. C’est la configuration la plus lourde du catalogue Saplo, avec six conteneurs à la fois. Les clés API du projet sont prêtes dès le déploiement et peuvent être intégrées à ton SDK (Python, JS ou proxy compatible avec OpenAI). Les pièces jointes multimédias dans les traces (images, audio) ne s’importent pas correctement depuis un SDK externe: le stockage de fichiers n’est accessible qu’à l’intérieur de ton Box, tandis que le tracing textuel de base fonctionne sans limitation. Langfuse a un autre usage que Grafana, Prometheus ou GlitchTip, déjà présents dans le catalogue Saplo: ces outils observent l’infrastructure et les erreurs des applications, pas les appels aux modèles de langage.

• Un développeur qui construit sa propre application IA sur son Box et qui n’a pas de visibilité sur le coût ni la durée des appels au modèle
• Une équipe qui veut tester les modifications apportées aux prompts sur des datasets enregistrés au lieu de vérifier manuellement chaque réponse du modèle
• Une entreprise qui déploie un chatbot ou un assistant IA et qui a besoin de suivre les coûts et la qualité des réponses sans transmettre ses données à un service externe (LangSmith)