claude-code/docs/features/langfuse-monitoring.md

# Langfuse 监控集成

> 实现状态：已完成，通过环境变量启用
> 依赖：`@langfuse/otel`、`@langfuse/tracing`、`@opentelemetry/sdk-trace-base`

## 一、功能概述

Langfuse 是一个开源的 LLM 可观测性平台，用于追踪、监控和调试 AI 应用的请求链路。CCB 通过 OpenTelemetry (OTel) 桥接层将 Langfuse 集成到查询流程中，实现：

- **LLM 调用追踪** — 记录每次 API 请求的模型、Provider、输入/输出、Token 用量
- **工具执行追踪** — 记录每个工具调用的名称、输入、输出、耗时和错误
- **多 Agent 追踪** — 主 Agent 和子 Agent 各自独立的 Trace 链路
- **数据脱敏** — 自动遮蔽敏感信息（API Key、文件内容、Shell 输出等）

## 二、启用方式

Langfuse 是开源项目，你可以 **自部署**（Docker / Kubernetes），也可以使用官方提供的 **[Langfuse Cloud](https://cloud.langfuse.com)** 免费测试。注册后在 Project Settings → API Keys 页面获取密钥。

核心只需要三个环境变量：

| 环境变量 | 说明 |
|---------|------|
| `LANGFUSE_PUBLIC_KEY` | Langfuse 公钥（必填） |
| `LANGFUSE_SECRET_KEY` | Langfuse 密钥（必填） |
| `LANGFUSE_BASE_URL` | 服务地址，默认 `https://cloud.langfuse.com`；自部署时改为你的地址（必填） |

未配置时所有追踪函数为 no-op，零开销。

### 通过 settings.json 配置（推荐）

在 `.claude/settings.json` 的 `env` 字段中添加，这样每次启动自动生效：

```json
{
  "env": {
    "LANGFUSE_PUBLIC_KEY": "pk-xxx",
    "LANGFUSE_SECRET_KEY": "sk-xxx",
    "LANGFUSE_BASE_URL": "https://cloud.langfuse.com"
  }
}
```

### 其他可选参数

| 环境变量 | 默认值 | 说明 |
|---------|--------|------|
| `LANGFUSE_TRACING_ENVIRONMENT` | `development` | 环境标签，用于 Langfuse 面板筛选 |
| `LANGFUSE_FLUSH_AT` | `20` | 批量发送的 span 数量阈值 |
| `LANGFUSE_FLUSH_INTERVAL` | `10` | 定时刷新间隔（秒） |
| `LANGFUSE_EXPORT_MODE` | `batched` | 导出模式：`batched`（批量）或 `immediate`（即时） |
| `LANGFUSE_TIMEOUT` | `5` | 请求超时（秒） |

## 四、架构

### 4.1 模块结构

```
src/services/langfuse/
├── index.ts          # 统一导出
├── client.ts         # OTel Provider + LangfuseSpanProcessor 初始化
├── tracing.ts        # Trace/Span 创建、LLM 和工具观察记录
├── convert.ts        # 内部 Message 类型 → Langfuse OpenAI 兼容格式转换
└── sanitize.ts       # 数据脱敏（敏感字段、文件路径、工具输出）
```

### 4.2 追踪层级

```
Trace (Agent Span)                    ← createTrace() / createSubagentTrace()
  ├── Generation (LLM 调用)           ← recordLLMObservation()
  ├── Tool Observation (工具调用)      ← recordToolObservation()
  ├── Tool Observation (工具调用)      ← recordToolObservation()
  └── ...
```

### 4.3 数据流

```
query.ts  ──→  createTrace()           # 每个 query turn 创建根 trace
  │
  ├── claude.ts  ──→  recordLLMObservation()   # API 调用完成后记录 LLM 观察
  │
  ├── toolExecution.ts  ──→  recordToolObservation()  # 每个工具执行记录
  │
  └── query.ts  ──→  endTrace()         # turn 结束时关闭 trace

runAgent.ts  ──→  createSubagentTrace()  # 子 Agent 有独立 trace
```

## 五、追踪详情

### 5.1 主 Agent Trace

每次 `query()` 调用（即用户一次对话 turn）创建一个类型为 `agent` 的根 Span：

- **名称**: `agent-run` 或 `agent-run:<querySource>`
- **元数据**: `provider`、`model`、`agentType: "main"`
- **Session ID**: 关联到 Langfuse 的 Session 功能，支持按会话聚合

### 5.2 子 Agent Trace

通过 `AgentTool` 启动的子 Agent 创建独立 Trace：

- **名称**: `agent:<agentType>`
- **元数据**: `provider`、`model`、`agentType`、`agentId`
- 独立于主 Trace，有自己的 Session 关联

### 5.3 LLM Generation

每次 API 调用记录为一个 `generation` 类型的 Span：

- **名称**: 按 Provider 映射（如 `ChatAnthropic`、`ChatOpenAI`、`ChatBedrockAnthropic` 等）
- **记录内容**: 输入消息、输出消息、Token 用量（input/output）
- **时间**: 精确记录 `startTime`、`endTime`、`completionStartTime`（TTFT 指标）

Provider 名称映射：

| Provider | Generation 名称 |
|----------|-----------------|
| `firstParty` | `ChatAnthropic` |
| `bedrock` | `ChatBedrockAnthropic` |
| `vertex` | `ChatVertexAnthropic` |
| `foundry` | `ChatFoundry` |
| `openai` | `ChatOpenAI` |
| `gemini` | `ChatGoogleGenerativeAI` |
| `grok` | `ChatXAI` |

### 5.4 工具执行

每个工具调用记录为一个 `tool` 类型的 Span：

- **名称**: 工具名（如 `FileEditTool`、`BashTool`）
- **记录内容**: 输入（经脱敏）、输出（经脱敏）、`toolUseId`
- **错误标记**: `isError` 标志 + `level: ERROR`

## 六、数据脱敏

所有上传到 Langfuse 的数据都会经过脱敏处理（`sanitize.ts`），确保敏感信息不会泄露：

### 6.1 全局脱敏（`sanitizeGlobal`）

- **Home 路径替换** — `/Users/xxx` → `~`
- **敏感字段遮蔽** — 匹配 `api_key`、`token`、`secret`、`password`、`credential`、`auth_header` 等关键字的字段值替换为 `[REDACTED]`

### 6.2 工具输入脱敏（`sanitizeToolInput`）

- 敏感字段遮蔽（同全局）
- `file_path`、`path`、`directory` 路径中的 Home 目录替换

### 6.3 工具输出脱敏（`sanitizeToolOutput`）

| 工具 | 脱敏策略 |
|------|---------|
| `FileReadTool`、`FileWriteTool`、`FileEditTool` | 完全遮蔽，仅保留字符数：`[file content redacted, N chars]` |
| `BashTool`、`PowerShellTool` | 截断至 500 字符 |
| `ConfigTool`、`MCPTool` | 完全遮蔽 |
| 其他工具 | 原样保留 |

## 七、消息格式转换

`convert.ts` 将 CCB 内部的 Message 类型转换为 Langfuse 期望的 OpenAI 兼容格式：

- **输入**: `UserMessage | AssistantMessage[]` + 可选 system prompt → `{ role, content }[]`
- **输出**: `AssistantMessage[]` → `{ role: 'assistant', content }`
- **Content Block 映射**:
  - `text` → `{ type: 'text', text }`
  - `thinking` / `redacted_thinking` → `{ type: 'thinking', thinking }`
  - `tool_use` → `{ type: 'tool_use', id, name, input }`
  - `tool_result` → `{ type: 'tool_result', tool_use_id, content }`
  - `image` / `document` → 占位标记 `[image]` / `[document: name]`

## 八、生命周期

1. **初始化** — `initLangfuse()` 在 `src/entrypoints/init.ts` 启动时调用，创建 `LangfuseSpanProcessor` 和 `BasicTracerProvider`
2. **运行时** — 各追踪函数通过 `isLangfuseEnabled()` 检查，未配置时直接返回 `null`/跳过
3. **关闭** — `shutdownLangfuse()` 在进程退出时调用，强制 flush 并关闭 Processor

## 九、自部署 Langfuse

Langfuse 是开源项目，支持 Docker / Kubernetes 自部署：

```bash
docker run -d \
  --name langfuse \
  -p 3000:3000 \
  -e DATABASE_URL=postgresql://... \
  langfuse/langfuse:latest
```

自部署后，将 `LANGFUSE_BASE_URL` 指向你的实例地址即可。详见 [Langfuse 自部署文档](https://langfuse.com/docs/deployment/self-host)。

如果没有自部署需求，可以直接使用 [Langfuse Cloud](https://cloud.langfuse.com)，提供免费额度可用于测试。

## 十、相关文件

| 文件 | 说明 |
|------|------|
| `src/services/langfuse/client.ts` | OTel Provider 初始化、生命周期管理 |
| `src/services/langfuse/tracing.ts` | Trace/Span 创建和观察记录 |
| `src/services/langfuse/convert.ts` | Message 格式转换 |
| `src/services/langfuse/sanitize.ts` | 数据脱敏 |
| `src/services/langfuse/__tests__/langfuse.test.ts` | 测试（568 行） |
| `src/query.ts` | 主查询流程中的 Trace 集成 |
| `src/services/tools/toolExecution.ts` | 工具执行中的观察记录 |
| `packages/builtin-tools/src/tools/AgentTool/runAgent.ts` | 子 Agent Trace 创建 |