跳到主要内容

Langfuse ⚠️

注意

本教程由社区贡献，不属于 Open WebUI 团队官方支持范围。内容仅用于演示如何根据你的特定场景自定义 Open WebUI。想参与贡献？请查看贡献教程。

危险

该教程已被标记为 已过时（OUTDATED）。 在较新版本的 Open WebUI 或 Langfuse 中可能无法正常工作。

欢迎通过提交 PR 帮助更新本教程：https://github.com/open-webui/docs

在 Open WebUI 中集成 Langfuse​

Langfuse（GitHub）为 Open WebUI 提供开源可观测性与评估能力。启用 Langfuse 集成后，你可以追踪应用数据，用于开发、监控和优化 Open WebUI 的使用效果，包括：

如何将 Langfuse 集成到 Open WebUI​

Langfuse Integration Langfuse 集成步骤

Open WebUI 的 Pipelines 是一个与 UI 无关的 OpenAI API 插件框架。它支持注入插件来拦截、处理并转发用户提示词到最终 LLM，从而增强对提示词处理流程的控制与定制能力。

要通过 Langfuse 追踪应用数据，你可以使用 Langfuse pipeline，它可实现对消息交互的实时监控与分析。

快速开始​

第 1 步：准备 Open WebUI​

请先确保 Open WebUI 已在运行。可参考 Open WebUI 文档。

第 2 步：部署 Pipelines​

使用 Docker 启动 Pipelines。可执行以下命令：

docker run -p 9099:9099 --add-host=host.docker.internal:host-gateway -v pipelines:/app/pipelines --name pipelines --restart always ghcr.io/open-webui/pipelines:main

第 3 步：连接 Open WebUI 与 Pipelines​

在 Admin Settings 中，新建并保存一个 OpenAI API 类型连接，参数如下：

  • URL: http://host.docker.internal:9099（即前面启动的 Docker 容器地址）。
  • Password: 0p3n-w3bu!（默认密码）

Open WebUI Settings

第 4 步：添加 Langfuse 过滤 Pipeline​

然后进入 Admin Settings->Pipelines 并添加 Langfuse Filter Pipeline。将 Pipelines 监听地址设为 http://host.docker.internal:9099（与前文一致），并通过 Install from Github URL 使用下方 URL 安装 Langfuse Filter Pipeline：

https://github.com/open-webui/pipelines/blob/main/examples/filters/langfuse_v3_filter_pipeline.py

接着填入你的 Langfuse API key。若你尚未注册 Langfuse，可在这里创建账号并获取 API key。

Open WebUI add Langfuse Pipeline

备注

说明： 如果启用了流式输出，想统计 OpenAI 模型的使用量（token 计数），你需要进入 Open WebUI 的模型设置，在 Capabilities 下勾选 "Usage" 选项。

第 5 步：在 Langfuse 中查看追踪​

现在你可以与 Open WebUI 交互，并在 Langfuse 中看到追踪数据。

Langfuse UI 中的追踪示例：

Open WebUI Example Trace in Langfuse

了解更多​

如需更完整的 Open WebUI Pipelines 指南，可阅读这篇文章。

本内容仅供参考，不构成任何保证、担保或合同承诺。Open WebUI 按“现状”提供。请参阅您的许可协议 以了解适用条款。