Braintrust vs Langfuse：LLM 评估闭环、生产追踪与真实成本对比

快速结论

Braintrust 和 Langfuse 都能追踪 LLM 应用、组织数据集并进行评估。选择重点是团队当前的瓶颈：如果线上 Agent 已有一定流量，产品经理与工程师要反复把真实失败转成回归实验，并在同一工作区比较候选版本，Braintrust 的评估闭环值得优先试；如果先要用开放路线掌握所有会话和调用成本，希望自行部署或以较低托管平台费起步，Langfuse 更贴近这个诉求。两者都不能替代业务专家制定客服或金融场景的验收标准。

两款产品究竟在解决什么

Braintrust把生产轨迹、数据集、实验、自动评分、人工检查连接起来，强调从线上发现模式并持续改进 Agent。它的数据集文档说明记录可以包含 input、可选 expected、metadata 和 tags；数据集有版本，可用于复现实验。这个结构特别适合按“退款规则错误”“引用过期政策”“工具调用失败后胡乱回答”等失败类型持续积累用例。

Langfuse同样提供数据集、实验、线上与离线评估，不应被简化成纯日志查看器。它的优势在于开源可自托管、追踪与提示词管理形成统一工程底座。已经有 OpenTelemetry、复杂多模型链路或数据必须留在自有基础设施中的团队，通常会把部署和可控性放在选型表的前面。自托管并不自动等于安全：访问控制、数据删除、备份、升级和网络隔离仍由实施方负责。

对比一：一条客服问题如何变成可重复测试

假设客服 Agent 错误地承诺给超出退货期限的订单退款。先在采集端脱敏订单号、电话和地址，再保留业务场景、政策版本、Agent 的工具调用轨迹及人工判定。使用 Braintrust，可以把线上样例整理为数据集记录，冻结版本，然后对新旧提示词执行相同实验，查看这条用例是修复还是回退。使用 Langfuse，也可以用追踪定位错误步骤，再把样例放进数据集与实验，关联线上评分。最终效果更多取决于你能否把“不可承诺退款”和“应交给人工处理”写成明确的验收规则，而不是界面上是否有一个绿色分数。

不要把用户满意度平均分当作唯一指标。客服 Agent 至少分开统计：事实正确性、是否调用被授权的工具、知识引用是否过期、人工转接是否正确、是否泄露敏感信息。前两类适合在有结构化证据时使用代码规则；帮助程度等主观维度可由人工标注并校准模型评审。任何平台都会受数据集偏差影响：如果样例几乎全是普通问答，退款风险再严重也可能被总体平均分掩盖。

对比二：生产追踪与团队协作

两款产品都能观察生产流量，但接入前应挑一条含检索和外部工具调用的真实流程验证，而不是只发一次模型请求。看五件事：单个业务请求能否还原每一步、错误是否能定位到知识来源或工具、会话和用户标识是否可在脱敏后用于分组、延迟与模型成本是否可核对、采样和权限是否满足审计。Braintrust 的产品叙述更强调把轨迹变成可评估的改进循环；Langfuse 更适合作为开放的追踪、提示词与评估基础设施。两者都需要你制定保留和抽样策略，避免为“完整记录一切”制造过多敏感数据。

产品经理也需要能看懂结果。最有价值的实验报告应列出：固定数据集版本、基线与候选的模型/提示词版本、每个风险分组的通过率、相对退步样例、人工复核结论和发布决定。如果平台生成的总分不能回答哪个政策场景失败，就继续调整标注和分析口径。

价格：不要只看套餐首页的月费

截至 2026 年 9 月，Braintrust 官方价格列出 Starter 平台费每月 0 美元，包含每月 1 GB 处理数据、1 万次评分、10 美元模型额度和 14 天留存；Pro 每月 249 美元，包含 5 GB、5 万次评分、100 美元模型额度和 30 天留存。额外处理数据、评分及 token 仍可能收费。数据量大的 Agent 应测量每条 trace 的大小，评分次数则按“每个样本乘以评审维度乘以运行次数”估算。

Langfuse Cloud 官方价格列出 Hobby 免费档每月 5 万 units、30 天数据访问、2 个用户；Core 每月 29 美元含 10 万 units，Pro 每月 199 美元。Langfuse 自托管的许可和云账单是两种路线；选择自托管时仍要计入机器、数据库、存储、告警、备份、安全和运维工时。Braintrust 的 GB / scores 与 Langfuse 的 units 没有可靠的一键换算。用同一周代表性流量分别估算各自账单，比空比“0 美元”和“29 美元”有用。

隐私与部署边界

客服对话可能包含手机号、订单、地址、退款记录和内部知识库片段。无论选哪款，采集前先删除密钥和个人数据，对访问角色做最小授权，明确样本保留期与删除流程。Langfuse 提供开源自托管路线；Braintrust 的价格页将高流量或敏感数据的托管或本地部署放在 Enterprise 方案。不能由“有本地部署选项”直接推出任何具体合规结论；应向厂商确认数据平面、控制平面、支持访问、区域与合同承诺。

推荐的七天试点

第一天定义一个能产生业务损失的错误类型，例如越权退款承诺。第二天抽取 50 条脱敏案例，其中至少 10 条是异常和边界条件。第三天在两款产品中接入同一条 Agent 链路，固定模型、提示词、知识库快照。第四天为硬约束写确定性规则，为帮助程度建立 20 条人工标签并校准模型评审。第五天各跑基线和候选，记录重复运行的方差。第六天手动复核所有高风险退步，检查可否追到具体工具或知识片段。第七天比较实际接入工时、团队能否读懂报告、数据去向和预计月费。把最影响发布决策的两项权重提高；如果二者都能达标，部署和总拥有成本通常会决定结果。

官方资料

• Braintrust 产品及价格
• Braintrust 数据集
• Langfuse 数据集与实验
• Langfuse 价格及自托管入口