로그 레벨

로그 레벨 (Log Levels)

trace는 observation이 매우 많을 수 있어요(데이터 모델). level 속성으로 observation의 중요도를 구분해 trace의 장황함을 제어하고 에러와 경고를 강조할 수 있어요. 사용 가능한 레벨: DEBUG, DEFAULT, WARNING, ERROR.

출처: 문서

본문

trace는 observation이 매우 많을 수 있어요. level 속성으로 observation의 중요도를 구분해 trace의 장황함(verbosity)을 제어하고 에러와 경고를 강조할 수 있어요. 사용 가능한 레벨: DEBUG, DEFAULT, WARNING, ERROR.

레벨 외에도 statusMessage를 포함해 추가 컨텍스트를 제공할 수 있어요.

Trace log level and statusMessage

Python SDK

@observe() 데코레이터 사용 시:

from langfuse import observe, get_client

@observe()
def my_function():
    langfuse = get_client()

    # ... processing logic ...
    # Update the current observation with a warning level
    langfuse.update_current_span(
        level="WARNING",
        status_message="This is a warning"
    )

observation을 직접 생성할 때:

from langfuse import get_client

langfuse = get_client()

# Using context managers (recommended)
with langfuse.start_as_current_observation(as_type="span", name="my-operation") as span:
    # Set level and status message on creation
    with span.start_as_current_observation(
        name="potentially-risky-operation",
        level="WARNING",
        status_message="Operation may fail"
    ) as risky_span:
        # ... do work ...

        # Or update level and status message later
        risky_span.update(
            level="ERROR",
            status_message="Operation failed with unexpected input"
        )

# You can also update the currently active observation without a direct reference
with langfuse.start_as_current_observation(as_type="span", name="another-operation"):
    # ... some processing ...
    langfuse.update_current_span(
        level="DEBUG",
        status_message="Processing intermediate results"
    )

generation을 만들 때 레벨을 설정할 수도 있어요:

langfuse = get_client()

with langfuse.start_as_current_observation(
    as_type="generation",
    name="llm-call",
    model="gpt-4o",
    level="DEFAULT"  # Default level
) as generation:
    # ... make LLM call ...

    if error_detected:
        generation.update(
            level="ERROR",
            status_message="Model returned malformed output"
        )

JS/TS SDK

컨텍스트 매니저 사용 시:

import { startActiveObservation, startObservation } from "@langfuse/tracing";

await startActiveObservation("context-manager", async (span) => {
  span.update({
    input: { query: "What is the capital of France?" },
  });

  updateActiveObservation({
    level: "WARNING",
    statusMessage: "This is a warning",
  });
});

observe 래퍼 사용 시:

import { observe, updateActiveObservation } from "@langfuse/tracing";

// An existing function
async function fetchData(source: string) {
  updateActiveObservation({
    level: "WARNING",
    statusMessage: "This is a warning",
  });

  // ... logic to fetch data
  return { data: `some data from ${source}` };
}

// Wrap the function to trace it
const tracedFetchData = observe(fetchData, {
  name: "observe-wrapper",
});

const result = await tracedFetchData("API");

observation을 수동 생성할 때:

import { startObservation } from "@langfuse/tracing";

const span = startObservation("manual-observation", {
  input: { query: "What is the capital of France?" },
});

span.update({
  level: "WARNING",
  statusMessage: "This is a warning",
});

span.update({ output: "Paris" }).end();

자세한 내용은 JS/TS SDK docs를 참고하세요.

OpenAI SDK: OpenAI SDK Integration을 사용하면 level과 statusMessage가 OpenAI API 응답에 기반해 자동으로 설정돼요. 예시를 참고하세요.

Langchain: LangChain Integration을 사용하면 LangChain 파이프라인의 각 단계에 대해 level과 statusMessage가 자동으로 설정돼요.

로그 레벨로 trace 필터링 (Filter Trace by Log Level)

단일 trace를 볼 때 observation을 로그 레벨로 필터링할 수 있어요.

GitHub Discussions

더 알아보기 (Learn more)

출처 문서: 로그 레벨 (Log Levels)