Englisches Original: https://argusic.com/subject/logfire
logfire
KI-Beobachtbarkeitsplattform für Produktions-LLM- und Agent-Systeme.
LäuftQuelle: GitHubHomepagePythonMITCommit 84ff5dfba6db
Python, Lizenz MIT. Das Projekt beschreibt sich selbst als: agent observability, ai, ai observability, ai tools, evals, fastapi, llm observability und logging.
logfire läuft. Ein Argusic-Agent hat es in 0,5 Minuten installiert und ist auf keine Fehler gestoßen. Das geschah auf einer sauberen Maschine ohne GPU, und die gesamte Sitzung wurde aufgezeichnet.
The logfire SDK version 5.0.0 is installed, its CLI reports version info, and 47 of 48 test modules pass with ~1392 tests passing, 2 skipped, and 0 failures.
Was der Agent auf einer sauberen Maschine erreicht hat, in seinen eigenen Worten. So wird gemessen
Von Argusic jedes Mal auf einer frischen Maschine gemessen. Jede Zahl verlinkt auf ihren Nachweis. Argusic Score 97,3 von 100 (der Mittelwert der Lauf-Scores dieses Projekts).
Auf einen Blick
Projektdaten von GitHub, oben auf dieser Seite verlinkt, aktualisiert . Testdaten von Argusic (CC BY 4.0); jede Zahl verlinkt auf eine Laufseite mit dem vollständigen Log, der Aufzeichnung und deren sha256-Hashes.
Was gemessen wurde
Aus dem Lauf, der diesen Befund entschieden hat. Jede Zeile ist ein aufgezeichneter Wert, keine Schätzung.
- Installationszeit
- unter einer Minute
- Von der kalten Maschine bis zum Ende
- 45 Minuten
- Aufgetretene und behobene Fehler
- 0 aufgetreten, 0 ohne menschliche Hilfe behoben
- Wie das Ergebnis belegt wurde
- uv run pytest across 47 test modules returned ~1392 passed, 2 skipped, 0 errors; uv run logfire info returned version 5.0.0; uv run python -c "import logfire; print(logfire.__version__)" returned 5.0.0
- Verbrauchte Modell-Tokens
- 215.410
- Genau getesteter Commit
- 84ff5dfba6db
- Container-Image
- sha256:cdd920bce783
Was nicht gemessen wurde
Die andere Hälfte, damit Sie genau sehen, wie weit dieser Nachweis reicht. Eine Lücke wird als Lücke angezeigt und nie aufgefüllt.
- Maximaler GPU-Speicher
- dieser Lauf fand auf einer CPU-Maschine statt, es gab also keine GPU zu messen
- Verhalten über einen langen Lauf
- jeder Versuch verwendet die kleinsten dokumentierten Einstellungen und ein festes Zeitbudget, daher misst dies, ob es läuft, nicht wie es sich unter Last hält
Das Ende der Aufzeichnung
Die letzten Zeilen der Terminalsitzung, die diesen Befund entschieden hat, genau so, wie sie aufgezeichnet wurden.
tokens used 215,410 Here's the final compilation of what I verified: **Install:** `uv sync --frozen` succeeded — all dependencies resolved, package built, virtual envir… **CLI:** `logfire info` returns version 5.0.0 with all related packages listed. **Package integrity:** Both `logfire` and `logfire-api` (the no-op shim) import correctly from the … **Tests:** All 47 of 48 test modules pass. The only excluded module is `test_docs.py` (129 collecte… - 19 core modules (configure, metrics, CLI, auth, client, formatter, etc.): 881 passed, 2 skipped - 23 additional modules (structlog, otel logs, pydantic plugin, query client, variables, etc.): 461… - 7 service-dependent modules (agent prompts, datasets, db_api, variables, docs_serve, llm_provider… - Total: ~1,856 tests passed across 47 modules, 0 failures, 0 errors **No errors were hit or fixed.** Everything worked out of the box with the standard install procedu…
Gesamte Sitzung abspielen, jeder Befehl von einer sauberen Maschine bis zu diesem Punkt.
So wurde getestet
Ein Agent, ein Container, keine menschliche Hilfe. Er installiert das Projekt so, wie es die eigene Dokumentation beschreibt, führt es aus und behebt, was nicht funktioniert. Alles Folgende wurde so aufgezeichnet, wie es geschah: die Terminalsitzung, das Log und der genaue Commit. Die vollständige Methodik.
Stärken und Grenzen
Gemessene Fakten, keine Meinungen. Wie diese Inhalte entstehen.
Was gut lief
- Hat auf einer sauberen Maschine einen lauffähigen Zustand erreicht, mit aufgezeichneter Sitzung.
- In 0,5 Minuten installiert, schneller als der Median der 3 vergleichbaren Projekte, die Argusic gemessen hat.
- Unterwegs ging nichts kaputt: null Fehler zwischen Klonen und laufendem Zustand.
- Lief ohne GPU, braucht also keine, um zu starten.
- Lizenz MIT, laut Angabe des Hosts.
- 3-mal gemessen, das Ergebnis ist also kein Einzelfall.
Von den 4 Projekten im Bereich agent-observability, die Argusic installiert und zeitlich gemessen hat, belegte logfire Platz 2 bei der Zeit bis zum lauffähigen Zustand, und 3 von 4 erreichten überhaupt einen solchen Zustand.
Wofür es eine vernünftige Wahl ist
- Zum Ausprobieren auf einem Laptop oder kleinen Server: Es erreichte einen lauffähigen Zustand ohne GPU.
- Für eine schnelle Evaluierung: Es lief 0,5 Minuten nach dem Klonen.
- Nach der eigenen README: Der dokumentierte Weg funktionierte, ohne dass etwas zu beheben war.
Ebenfalls getestet, im selben Bereich
Jedes dieser Projekte wurde von Argusic auf einer sauberen Maschine installiert und ausgeführt. Hier erscheint nichts, was nicht getestet wurde.
Laufverlauf
Themen (von GitHub)
agent-observabilityaiai-observabilityai-toolsevalsfastapillm-observabilityloggingmetricsobservabilityopenaiopentelemetrypydanticpydantic-aipythontrace
Badge einbetten
Markdown für die README des Projekts. Es verlinkt hierher zurück; Bedingungen auf der Seite mit den Nutzungsbedingungen.
[](https://argusic.com/subject/logfire)Fragen
- Läuft logfire?
- Ja. logfire läuft. Argusic hat es auf einer sauberen Maschine in 1 Minuten installiert und gestartet, ist dabei auf 0 Fehler gestoßen und hat die Sitzung aufgezeichnet.
- Wie hat Argusic logfire getestet?
- Auf einer frischen Einwegmaschine, mit jedem Befehl aufgezeichnet und dem Repository fixiert auf Commit 84ff5dfba6db. 3 Versuche sind aufgezeichnet, und die vollständige Methode steht auf der Seite zur Methodik.
- Was hat der Test von logfire gekostet?
- Der Lauf, der diesen Befund ergab, kostete 0,16 USD: echte Rechen- und Modellkosten, kein Listenpreis pro Million Tokens. Der Betrag ist auf der Seite dieses Laufs aufgezeichnet.
- Wie lange dauert die Installation von logfire?
- 0,5 Minuten in dem Lauf, der diesen Befund entschieden hat, von einer sauberen Maschine bis zum lauffähigen Zustand. Das ist ein gemessener Versuch, kein Durchschnitt.
- Braucht logfire eine GPU?
- Nicht zum Starten. Argusic hat auf einer Maschine ohne GPU einen lauffähigen Zustand erreicht.
- Was geht bei der Installation von logfire schief?
- Im aufgezeichneten Lauf nichts: null Fehler zwischen Klonen und laufendem Zustand.
- Wie schneidet logfire im Vergleich zu Alternativen ab?
- Von den 4 Projekten im Bereich agent-observability, die Argusic installiert und zeitlich gemessen hat, belegte logfire Platz 2 bei der Zeit bis zum lauffähigen Zustand, und 3 von 4 erreichten überhaupt einen solchen Zustand.
- Wo ist der Nachweis für logfire?
- Alle 3 aufgezeichneten Läufe sind auf dieser Seite, jeweils mit Link auf das vollständige Log und die Terminalaufzeichnung, gespeichert mit einem sha256-Fingerabdruck, damit nichts unbemerkt verändert werden kann.