Original em inglês: https://argusic.com/subject/logfire
logfire
Plataforma de observabilidade de IA para sistemas de LLM e agentes em produção.
Executafonte: GitHubpágina do projetoPythonMITcommit 84ff5dfba6db
Python, licença MIT. O projeto se descreve como: agent observability, ai, ai observability, ai tools, evals, fastapi, llm observability e logging.
logfire executa. Em uma máquina limpa sem GPU, um agent da Argusic o instalou em 0,5 minutos e não encontrou nenhum erro, e a sessão inteira foi gravada.
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.
O que o agent conseguiu em uma máquina limpa, nas palavras dele. Como isto é medido
Medido pela Argusic em uma máquina nova, todas as vezes. Cada número tem link para as suas evidências. Pontuação Argusic 97,3 de 100 (a média das pontuações das execuções deste projeto).
Visão geral
Dados do projeto de GitHub, com link no topo desta página, atualizado em . Dados de teste da Argusic (CC BY 4.0); cada número tem link para uma página de execução com o log completo, a gravação e os hashes sha256 deles.
O que foi medido
Da execução que decidiu este veredito. Cada linha é um valor registrado, não uma estimativa.
- Tempo de instalação
- menos de um minuto
- Da máquina limpa até o fim
- 45 minutos
- Erros encontrados e corrigidos
- 0 encontrados, 0 corrigidos sem ajuda humana
- Como o resultado foi comprovado
- 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
- Tokens de modelo usados
- 215.410
- Commit exato testado
- 84ff5dfba6db
- Imagem do container
- sha256:cdd920bce783
O que não foi medido
A outra metade, para você ver exatamente até onde estas evidências vão. Uma lacuna é mostrada como lacuna e nunca é preenchida.
- Pico de memória da GPU
- esta execução foi em uma máquina com CPU, então não havia GPU para medir
- Comportamento em uma execução longa
- cada tentativa usa as menores configurações documentadas e um orçamento de tempo fixo, então isto mede se ele executa, não como ele se comporta sob carga
O fim da gravação
As últimas linhas da sessão de terminal que decidiu este veredito, exatamente como foram gravadas.
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…
Reproduzir a sessão inteira, cada comando desde a máquina limpa até este ponto.
Como foi testado
Um agent, um container, nenhuma ajuda humana. Ele instala o projeto do jeito que a própria documentação do projeto manda, executa o projeto e corrige o que quebra. Tudo abaixo é registrado como aconteceu: a sessão de terminal, o log e o commit exato. A metodologia completa.
Pontos fortes e limites
Fatos medidos, não opiniões. Como este conteúdo é escrito.
O que deu certo
- Chegou a um estado de execução em uma máquina limpa, com a sessão gravada.
- Instalado em 0,5 minutos, mais rápido que a mediana dos 3 projetos comparáveis que a Argusic mediu.
- Nada quebrou no caminho: zero erros entre o clone e a execução.
- Executou sem GPU, então não precisa de uma para iniciar.
- Licença MIT, segundo a plataforma onde o projeto está hospedado.
- Medido 3 vezes, então o resultado não é um caso isolado.
Dos 4 projetos de agent-observability que a Argusic instalou e cronometrou, logfire foi o 2º mais rápido a chegar a um estado de execução, e 3 de 4 chegaram a esse estado.
Para que é uma escolha razoável
- Testar em um laptop ou em um servidor pequeno: ele chegou a um estado de execução sem GPU.
- Uma avaliação rápida: ele estava executando 0,5 minutos depois do clone.
- Seguir o próprio README: o caminho documentado funcionou sem nada para corrigir.
Também testados, na mesma área
Cada um destes foi instalado e executado pela Argusic em uma máquina limpa. Nada aparece aqui sem ter sido testado.
Histórico de execuções
Tópicos (de GitHub)
agent-observabilityaiai-observabilityai-toolsevalsfastapillm-observabilityloggingmetricsobservabilityopenaiopentelemetrypydanticpydantic-aipythontrace
Incorporar o selo
Markdown para o README do projeto. Ele tem link de volta para esta página; os termos estão na página de termos.
[](https://argusic.com/subject/logfire)Perguntas
- logfire executa?
- Sim. logfire executa. A Argusic o instalou e iniciou em uma máquina limpa em 1 minutos, encontrando 0 erros no caminho, e gravou a sessão.
- Como a Argusic testou logfire?
- Em uma máquina nova e descartável, com cada comando gravado e o repositório fixado no commit 84ff5dfba6db. Há 3 tentativas registradas, e a metodologia completa está na página da metodologia.
- Quanto custou testar logfire?
- A execução que produziu este veredito custou US$ 0,16: custo real de computação e de modelo, não um preço de tabela por milhão de tokens. Esse valor está registrado na página da execução.
- Quanto tempo leva para instalar logfire?
- 0,5 minutos na execução que decidiu este veredito, de uma máquina limpa até um estado de execução. É uma tentativa medida, não uma média.
- logfire precisa de GPU?
- Não para iniciar. A Argusic chegou a um estado de execução em uma máquina sem GPU.
- O que dá errado ao instalar logfire?
- Nada deu errado na execução registrada: zero erros entre o clone e a execução.
- Como logfire se compara às alternativas?
- Dos 4 projetos de agent-observability que a Argusic instalou e cronometrou, logfire foi o 2º mais rápido a chegar a um estado de execução, e 3 de 4 chegaram a esse estado.
- Onde estão as evidências de logfire?
- Todas as 3 execuções registradas estão nesta página, cada uma com link para o seu log completo e a sua gravação do terminal, guardados com uma impressão digital sha256 para que não possam ser alterados discretamente.