• TRACE
  • OBSERVATION
  • LOGIC
  • HUMAN

Fehlerhafte LLM-Chains mit deiner KI debuggen

Verbinde Langfuse mit deinem Agenten, um den exakten Schritt zu finden, in dem eine Chain fehlgeschlagen ist. Nach der Verbindung kann deine KI durch die Ausführungspfade navigieren, um die Ursache zu finden.

Fragen Sie die KI zu dieser Seite

Kurzantwort

Wie finde ich die Fehlerquelle in meiner LLM-Chain?

Dein Agent nutzt die Langfuse-Telemetrie, um gezielte Traces und verschachtelte Beobachtungen abzurufen. Er analysiert den Ausführungspfad, um den exakten Prompt, Input oder Output zu identifizieren, der den Fehler verursacht hat. Du erhältst eine klare Übersicht über den Fehlerpunkt in der Trace-Hierarchie.

Untersuchungsergebnisse

Wo jedes Problem landet.

Die KI unterteilt die Ergebnisse ihrer Untersuchung in diese vier Bereiche.

TRACE

Vollständige Ausführungspfade

Die KI identifiziert den spezifischen Trace, der den Fehler enthält. Du erhältst den übergeordneten Kontext des gesamten Durchlaufs.

OBSERVATION

Detaillierte Schrittdaten

Der Agent analysiert einzelne Spans und Aufrufe. Dies zeigt dir die spezifischen Inputs und Outputs eines einzelnen Schritts.

LOGIC

Prompt- und Modellfehler

Die KI vergleicht den erwarteten Output mit dem tatsächlichen Ergebnis des Modells. Du siehst genau, wo die Logik abgewichen ist.

HUMAN

Manuelle Intervention

Die KI markiert komplexe Grenzfälle, bei denen du deine Prompts oder die Logik im Langfuse-Dashboard manuell anpassen musst.

Der Ablauf

Was deine KI tut, wenn ein Fehler auftritt.

Der Agent agiert als Debugger, indem er durch die Langfuse-Datenhierarchie navigiert.

  1. Fehler lokalisieren

    Der Agent scannt deine letzten Aktivitäten, um die relevanten Ausführungsprotokolle zu finden.

    list_traces

  2. Trace isolieren

    Der Agent ruft den vollständigen Kontext des fehlgeschlagenen Durchlaufs ab.

    get_trace

  3. Span untersuchen

    Der Agent prüft den spezifischen verschachtelten Aufruf, bei dem der Fehler aufgetreten ist.

    get_observation

  4. Fehler zusammenfassen

    Der Agent vergleicht Inputs und Outputs über den gesamten Trace, um den Abbruch zu erklären.

    get_observation

Probieren Sie es

Kopiere diese Vorlagen zum Start.

Nutze diese Prompts, um deine Debugging-Sitzung zu beginnen.

Startpunkte

Ersetze die Trace-IDs oder Fehlerbeschreibungen durch deine tatsächlichen Langfuse-Daten.

Langfuse Connector

Alles bereit. Wählen Sie Ihren MCP-Client und folgen Sie den Einrichtungsschritten.

Connector-Linkhttps://edge.vinkius.com/vk_preview_sTXOynCd5hRTA7WbjY0nBUsTjmjwRIVY989VA7VU/mcp

Claude Desktop

Folgen Sie den Schritten unten, um sich in Sekunden zu verbinden.

  1. 1In Claude Desktop, open Settings → Connectors.
  2. 2Click “Add custom connector” and paste the connector link above as the remote MCP server URL.
  3. 3Click Add and start a new chat — Langfuse capabilities are ready to use.
Konfiguration · claude_desktop_config.jsonKopieren
{
  "mcpServers": {
    "langfuse-llm-tracing-evals-mcp": {
      "url": "https://edge.vinkius.com/vk_preview_sTXOynCd5hRTA7WbjY0nBUsTjmjwRIVY989VA7VU/mcp"
    }
  }
}
In den Chat kopieren04

  • Finde den letzten fehlgeschlagenen Trace in Langfuse und erkläre mir, warum er abgebrochen ist.

  • Analysiere Trace ID 12345 und finde die spezifische Observation, bei der der Tool-Aufruf fehlgeschlagen ist.

  • Prüfe die verschachtelten Observations des letzten Customer-Support-Workflows, um zu sehen, wo die Logik unterbrochen wurde.

  • Liste alle Traces der letzten Stunde auf, die zu einem Fehler geführt haben.

  • Claude
  • ChatGPT
  • Cursor
  • VS Code
  • Windsurf
  • Claude Code
  • JetBrains
  • Cline

Starten Sie hier

Einmal verbinden, dann fragen.

Gib einfach deine Langfuse API-Zugangsdaten an. Die Verbindung ist verschlüsselt, sodass du deinen Agenten sofort mit der Untersuchung deiner Traces beauftragen kannst.

Langfuse mit deiner KI verbinden

FAQ

So funktioniert die Aufgabe.

  • 01

    Kann die KI meinen Code automatisch reparieren?

    Nein. Die KI kann den Fehler identifizieren und die Ursache erklären, aber du musst deinen Code oder deine Prompts manuell aktualisieren.

  • 02

    Kann die KI Traces in Langfuse löschen?

    Nein. Die Tools erlauben der KI nur das Lesen und Abrufen von Daten. Sie kann deine Telemetrie nicht verändern oder löschen.

  • 03

    Sieht die KI meine Prompt-Templates?

    Ja, sofern diese Templates Teil der Trace-Observations sind, die über die Tools abgerufen werden.

  • 04

    Kann ich nach Traces von anderen Plattformen fragen?

    Nein. Die KI hat nur Zugriff auf die Daten, die sie über Langfuse abrufen kann.

  • 05

    Wird die KI meine Langfuse-Einstellungen ändern?

    Nein. Die KI ist darauf beschränkt, Traces und Observations zu lesen.

  • Weitere Fragen zu Langfuse? Die Connector-Seite liefert Antworten. Alle Funktionen des Langfuse Connectors ansehen

Verbinde Langfuse mit Claude, Cursor, ChatGPT & mehr