先说清楚它是什么：Langfuse 属于「智能体与自动化」方向的开源项目，开源的大模型应用观测、追踪与评测平台。

下面用几组示意对比，说明同一任务里提示写法和流程不同会带来什么差别。

对比一：模糊指令 vs 明确指令

改之前：直接说「帮我发票与单据提取」。结果往往泛泛而谈、格式随意。

改之后：写清材料、格式和验收标准：

从这些单据中提取开票日期、金额、销售方名称和税号，输出为表格；任何字段识别置信度低时留空并标红，不要猜测。

变化（示意）：输出结构稳定，可以直接按「低置信度字段留空」检查。

对比二：一次做完 vs 分步完成

改之前：把「定时提醒与汇总」的全部要求一次塞进去。改之后：先让它给出计划或大纲，确认后再逐步完成。变化（示意）：中途发现偏差可以及时纠正，返工更少。

每天下午 6 点汇总今日新增和逾期任务，按负责人分组发送提醒，周五额外输出一周完成情况。

对比三：不检查 vs 带检查点

改之前：拿到结果直接用。改之后：每次都对照「每条变化都附链接」检查，并让工具列出它不确定的地方。变化（示意）：问题在交付前被发现。

以上对比均为示意，用来说明方法差异，不代表具体的效率数字。

补充练习

线索整理流程

输入：每天从表单收到的客户咨询。

搭建一个流程：新表单提交后，AI 判断咨询类型（报价 / 售后 / 合作 / 其他），提取联系人和需求摘要写入表格，报价类自动通知销售群。分类不确定时标记为「待人工」。

验收标准：不确定的情况进入人工。

知识库问答机器人

适用情况：手头有一批产品文档和 FAQ 时。

用这些文档搭建问答机器人：回答只基于文档，找不到答案时回复「这个问题我需要转给同事」，并记录未解决问题供每周补充文档。

检查点：答不出时不编造。

多步骤调研任务

准备材料：一个需要多来源信息的问题。

围绕【主题】做调研：先列出调研计划，再分别检索，最后输出带来源的报告。每个结论注明来源链接，来源之间矛盾时并列呈现。

验收标准：矛盾信息被并列呈现。

常见问题：费用超出预期

给每次运行设上限，监控调用次数，先用小模型处理简单步骤。

常见问题：调用外部系统失败

增加重试和失败通知，记录请求参数便于排查。

常见问题：输出格式不稳定

要求结构化输出并做格式校验，不合格时重试。

概念补充：人工审批节点

在关键动作前暂停等待人确认，防止误操作。

概念补充：触发器

启动流程的事件，如新邮件、定时、表单提交。

适合人群：HR 与招聘

HR 与招聘可以用 Langfuse 处理岗位描述撰写、面试题与评估表等工作。需要注意：简历筛选不得以性别、年龄等因素做歧视性判断，候选人信息需妥善保管。

适合人群：数据分析师

数据分析师可以用 Langfuse 处理取数与 SQL、清洗与可视化等工作。需要注意：确认指标口径，敏感数据脱敏后再交给 AI 处理。

使用提醒

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

涉及个人信息、商业机密或受监管数据时，先确认 Langfuse 的数据处理条款，再决定能否使用。

延伸阅读