[{"data":1,"prerenderedAt":-1},["ShallowReactive",2],{"similar-pydantic--logfire":3,"tool-pydantic--logfire":62},[4,18,26,36,46,54],{"id":5,"name":6,"github_repo":7,"description_zh":8,"stars":9,"difficulty_score":10,"last_commit_at":11,"category_tags":12,"status":17},4358,"openclaw","openclaw\u002Fopenclaw","OpenClaw 是一款专为个人打造的本地化 AI 助手，旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚，能够直接接入你日常使用的各类通讯渠道，包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息，OpenClaw 都能即时响应，甚至支持在 macOS、iOS 和 Android 设备上进行语音交互，并提供实时的画布渲染功能供你操控。\n\n这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地，用户无需依赖云端服务即可享受快速、私密的智能辅助，真正实现了“你的数据，你做主”。其独特的技术亮点在于强大的网关架构，将控制平面与核心助手分离，确保跨平台通信的流畅性与扩展性。\n\nOpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者，以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力（支持 macOS、Linux 及 Windows WSL2），即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你",349277,3,"2026-04-06T06:32:30",[13,14,15,16],"Agent","开发框架","图像","数据工具","ready",{"id":19,"name":20,"github_repo":21,"description_zh":22,"stars":23,"difficulty_score":10,"last_commit_at":24,"category_tags":25,"status":17},3808,"stable-diffusion-webui","AUTOMATIC1111\u002Fstable-diffusion-webui","stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面，旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点，将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。\n\n无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师，还是想要深入探索模型潜力的开发者与研究人员，都能从中获益。其核心亮点在于极高的功能丰富度：不仅支持文生图、图生图、局部重绘（Inpainting）和外绘（Outpainting）等基础模式，还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外，它内置了 GFPGAN 和 CodeFormer 等人脸修复工具，支持多种神经网络放大算法，并允许用户通过插件系统无限扩展能力。即使是显存有限的设备，stable-diffusion-webui 也提供了相应的优化选项，让高质量的 AI 艺术创作变得触手可及。",162132,"2026-04-05T11:01:52",[14,15,13],{"id":27,"name":28,"github_repo":29,"description_zh":30,"stars":31,"difficulty_score":32,"last_commit_at":33,"category_tags":34,"status":17},1381,"everything-claude-code","affaan-m\u002Feverything-claude-code","everything-claude-code 是一套专为 AI 编程助手（如 Claude Code、Codex、Cursor 等）打造的高性能优化系统。它不仅仅是一组配置文件，而是一个经过长期实战打磨的完整框架，旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。\n\n通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能，everything-claude-code 能显著提升 AI 在复杂任务中的表现，帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略，使得模型响应更快、成本更低，同时有效防御潜在的攻击向量。\n\n这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库，还是需要 AI 协助进行安全审计与自动化测试，everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目，它融合了多语言支持与丰富的实战钩子（hooks），让 AI 真正成长为懂上",158594,2,"2026-04-16T23:34:05",[14,13,35],"语言模型",{"id":37,"name":38,"github_repo":39,"description_zh":40,"stars":41,"difficulty_score":42,"last_commit_at":43,"category_tags":44,"status":17},8272,"opencode","anomalyco\u002Fopencode","OpenCode 是一款开源的 AI 编程助手（Coding Agent），旨在像一位智能搭档一样融入您的开发流程。它不仅仅是一个代码补全插件，而是一个能够理解项目上下文、自主规划任务并执行复杂编码操作的智能体。无论是生成全新功能、重构现有代码，还是排查难以定位的 Bug，OpenCode 都能通过自然语言交互高效完成，显著减少开发者在重复性劳动和上下文切换上的时间消耗。\n\n这款工具专为软件开发者、工程师及技术研究人员设计，特别适合希望利用大模型能力来提升编码效率、加速原型开发或处理遗留代码维护的专业人群。其核心亮点在于完全开源的架构，这意味着用户可以审查代码逻辑、自定义行为策略，甚至私有化部署以保障数据安全，彻底打破了传统闭源 AI 助手的“黑盒”限制。\n\n在技术体验上，OpenCode 提供了灵活的终端界面（Terminal UI）和正在测试中的桌面应用程序，支持 macOS、Windows 及 Linux 全平台。它兼容多种包管理工具，安装便捷，并能无缝集成到现有的开发环境中。无论您是追求极致控制权的资深极客，还是渴望提升产出的独立开发者，OpenCode 都提供了一个透明、可信",144296,1,"2026-04-16T14:50:03",[13,45],"插件",{"id":47,"name":48,"github_repo":49,"description_zh":50,"stars":51,"difficulty_score":32,"last_commit_at":52,"category_tags":53,"status":17},2271,"ComfyUI","Comfy-Org\u002FComfyUI","ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎，专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式，采用直观的节点式流程图界面，让用户通过连接不同的功能模块即可构建个性化的生成管线。\n\n这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景，也能自由组合模型、调整参数并实时预览效果，轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性，不仅支持 Windows、macOS 和 Linux 全平台，还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构，并率先支持 SDXL、Flux、SD3 等前沿模型。\n\n无论是希望深入探索算法潜力的研究人员和开发者，还是追求极致创作自由度的设计师与资深 AI 绘画爱好者，ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能，使其成为当前最灵活、生态最丰富的开源扩散模型工具之一，帮助用户将创意高效转化为现实。",108322,"2026-04-10T11:39:34",[14,15,13],{"id":55,"name":56,"github_repo":57,"description_zh":58,"stars":59,"difficulty_score":32,"last_commit_at":60,"category_tags":61,"status":17},6121,"gemini-cli","google-gemini\u002Fgemini-cli","gemini-cli 是一款由谷歌推出的开源 AI 命令行工具，它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言，它提供了一条从输入提示词到获取模型响应的最短路径，无需切换窗口即可享受智能辅助。\n\n这款工具主要解决了开发过程中频繁上下文切换的痛点，让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用，还是执行复杂的 Git 操作，gemini-cli 都能通过自然语言指令高效处理。\n\n它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口，具备出色的逻辑推理能力；内置 Google 搜索、文件操作及 Shell 命令执行等实用工具；更独特的是，它支持 MCP（模型上下文协议），允许用户灵活扩展自定义集成，连接如图像生成等外部能力。此外，个人谷歌账号即可享受免费的额度支持，且项目基于 Apache 2.0 协议完全开源，是提升终端工作效率的理想助手。",100752,"2026-04-10T01:20:03",[45,13,15,14],{"id":63,"github_repo":64,"name":65,"description_en":66,"description_zh":67,"ai_summary_zh":67,"readme_en":68,"readme_zh":69,"quickstart_zh":70,"use_case_zh":71,"hero_image_url":72,"owner_login":73,"owner_name":74,"owner_avatar_url":75,"owner_bio":76,"owner_company":77,"owner_location":77,"owner_email":78,"owner_twitter":73,"owner_website":79,"owner_url":80,"languages":81,"stars":94,"forks":95,"last_commit_at":96,"license":97,"difficulty_score":32,"env_os":98,"env_gpu":99,"env_ram":98,"env_deps":100,"category_tags":107,"github_topics":109,"view_count":32,"oss_zip_url":77,"oss_zip_packed_at":77,"status":17,"created_at":125,"updated_at":126,"faqs":127,"releases":153},8336,"pydantic\u002Flogfire","logfire","AI observability platform for production LLM and agent systems.","Logfire 是由 Pydantic 团队打造的 AI 可观测性平台，专为生产环境中的大语言模型（LLM）和智能体系统设计。它旨在解决开发者在构建复杂 AI 应用时面临的“黑盒”难题，让团队能够清晰洞察系统内部运行状态，从而快速定位故障、优化性能并加速迭代。\n\n这款工具特别适合 Python 开发者、AI 工程师以及需要监控生产级 AI 系统的技术团队使用。Logfire 的独特之处在于它将强大的功能与极简的使用体验完美结合：它不仅支持通过标准 SQL 查询监控数据，方便对接现有分析工具，还深度集成了 OpenTelemetry 标准，兼容多种语言和基础设施。作为 Pydantic 生态的一员，Logfire 能原生展示 Python 对象细节，提供从事件循环遥测到代码剖析的全方位视角，并自动分析 Pydantic 模型的数据验证过程。无论是手动埋点记录关键逻辑，还是自动集成 FastAPI 等流行框架，Logfire 都能帮助团队以更低的成本获得对应用行为的无与伦比的可见性。","# Pydantic Logfire — Know more. Build faster.\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Factions?query=event%3Apush+branch%3Amain+workflow%3ACI\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Factions\u002Fworkflows\u002Fmain.yml\u002Fbadge.svg?event=push\" alt=\"CI\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fcodecov.io\u002Fgh\u002Fpydantic\u002Flogfire\">\u003Cimg src=\"https:\u002F\u002Fcodecov.io\u002Fgh\u002Fpydantic\u002Flogfire\u002Fgraph\u002Fbadge.svg?token=735CNGCGFD\" alt=\"codecov\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpypi.python.org\u002Fpypi\u002Flogfire\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Flogfire.svg\" alt=\"pypi\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fpydantic\u002Flogfire.svg\" alt=\"license\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fpyversions\u002Flogfire.svg\" alt=\"versions\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpydantic.dev\u002Fdocs\u002Flogfire\u002Fjoin-slack\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSlack-Join%20Slack-4A154B?logo=slack\" alt=\"Join Slack\" \u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\nFrom the team behind Pydantic Validation, **Pydantic Logfire** is an observability platform built on the same belief as our open source library — that the most powerful tools can be easy to use.\n\nWhat sets Logfire apart:\n\n- **Simple and Powerful:** Logfire's dashboard is simple relative to the power it provides, ensuring your entire engineering team will actually use it.\n- **Python-centric Insights:** From rich display of Python objects, to event-loop telemetry, to profiling Python code and database queries, Logfire gives you unparalleled visibility into your Python application's behavior.\n- **SQL:** Query your data using standard SQL — all the control and (for many) nothing new to learn. Using SQL also means you can query your data with existing BI tools and database querying libraries.\n- **OpenTelemetry:** Logfire is an opinionated wrapper around OpenTelemetry, allowing you to leverage existing tooling, infrastructure, and instrumentation for many common Python packages, and enabling support for virtually any language. We offer full support for all OpenTelemetry signals (traces, metrics and logs).\n- **Pydantic Integration:** Understand the data flowing through your Pydantic Validation models and get built-in analytics on validations.\n\nSee the [documentation](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002F) for more information.\n\n**Feel free to report issues and ask any questions about Logfire in this repository!**\n\nThis repo contains the Python SDK for `logfire` and documentation; the server application for recording and displaying data is closed source.\n\n## Using Logfire\n\nThis is a very brief overview of how to use Logfire, the [documentation](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002F) has much more detail.\n\n### Install\n\n```bash\npip install logfire\n```\n\n[_(learn more)_](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fguides\u002Ffirst_steps\u002F#install)\n\n## Authenticate\n\n```bash\nlogfire auth\n```\n\n[_(learn more)_](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fguides\u002Ffirst_steps\u002F#authentication)\n\n### Manual tracing\n\nHere's a simple manual tracing (aka logging) example:\n\n```python skip-run=\"true\" skip-reason=\"blocking\"\nfrom datetime import date\n\nimport logfire\n\nlogfire.configure()\nlogfire.info('Hello, {name}!', name='world')\n\nwith logfire.span('Asking the user their {question}', question='age'):\n    user_input = input('How old are you [YYYY-mm-dd]? ')\n    dob = date.fromisoformat(user_input)\n    logfire.debug('{dob=} {age=!r}', dob=dob, age=date.today() - dob)\n```\n\n[_(learn more)_](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fguides\u002Fonboarding-checklist\u002Fadd-manual-tracing\u002F)\n\n### Integration\n\nOr you can also avoid manual instrumentation and instead integrate with [lots of popular packages](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fintegrations\u002F), here's an example of integrating with FastAPI:\n\n```py skip-run=\"true\" skip-reason=\"global-instrumentation\"\nfrom fastapi import FastAPI\nfrom pydantic import BaseModel\n\nimport logfire\n\napp = FastAPI()\n\nlogfire.configure()\nlogfire.instrument_fastapi(app)\n# next, instrument your database connector, http library etc. and add the logging handler\n\n\nclass User(BaseModel):\n    name: str\n    country_code: str\n\n\n@app.post('\u002F')\nasync def add_user(user: User):\n    # we would store the user here\n    return {'message': f'{user.name} added'}\n```\n\n[_(learn more)_](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fintegrations\u002Ffastapi\u002F)\n\nLogfire gives you a view into how your code is running like this:\n\n![Logfire screenshot](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpydantic_logfire_readme_58b13935f5f8.png)\n\n## Contributing\n\nWe'd love anyone interested to contribute to the Logfire SDK and documentation, see the [contributing guide](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fblob\u002Fmain\u002FCONTRIBUTING.md).\n\n## Reporting a Security Vulnerability\n\nSee our [security policy](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fsecurity).\n\n## Logfire Open-Source and Closed-Source Boundaries\n\nThe Logfire SDKs (we also have them for [TypeScript](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire-js) and [Rust](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire-rust)) are open source, and you can use them to export data to [any OTel-compatible backend](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fhow-to-guides\u002Falternative-backends\u002F).\n\nThe Logfire platform (the UI and backend) is closed source. You can self-host it by purchasing an [enterprise license](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fenterprise\u002F).\n","# Pydantic Logfire — 了解更多，更快构建。\n\n\u003Cp align=\"center\">\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Factions?query=event%3Apush+branch%3Amain+workflow%3ACI\">\u003Cimg src=\"https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Factions\u002Fworkflows\u002Fmain.yml\u002Fbadge.svg?event=push\" alt=\"CI\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fcodecov.io\u002Fgh\u002Fpydantic\u002Flogfire\">\u003Cimg src=\"https:\u002F\u002Fcodecov.io\u002Fgh\u002Fpydantic\u002Flogfire\u002Fgraph\u002Fbadge.svg?token=735CNGCGFD\" alt=\"codecov\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpypi.python.org\u002Fpypi\u002Flogfire\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fv\u002Flogfire.svg\" alt=\"pypi\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fblob\u002Fmain\u002FLICENSE\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fgithub\u002Flicense\u002Fpydantic\u002Flogfire.svg\" alt=\"license\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fpypi\u002Fpyversions\u002Flogfire.svg\" alt=\"versions\" \u002F>\u003C\u002Fa>\n  \u003Ca href=\"https:\u002F\u002Fpydantic.dev\u002Fdocs\u002Flogfire\u002Fjoin-slack\u002F\">\u003Cimg src=\"https:\u002F\u002Fimg.shields.io\u002Fbadge\u002FSlack-Join%20Slack-4A154B?logo=slack\" alt=\"Join Slack\" \u002F>\u003C\u002Fa>\n\u003C\u002Fp>\n\n由 Pydantic 验证背后的团队打造，**Pydantic Logfire** 是一个可观测性平台，其理念与我们的开源库一脉相承——最强大的工具也可以简单易用。\n\nLogfire 的独特之处在于：\n\n- **简单而强大：** Logfire 的仪表板设计简洁，却功能强大，确保整个工程团队都能真正使用它。\n- **以 Python 为中心的洞察：** 从丰富的 Python 对象展示，到事件循环的遥测数据，再到 Python 代码和数据库查询的性能分析，Logfire 能够让您全面了解 Python 应用程序的行为。\n- **SQL 支持：** 您可以使用标准 SQL 查询数据——完全掌控，且对许多人来说无需学习新知识。通过 SQL，您还可以利用现有的 BI 工具和数据库查询库来分析数据。\n- **OpenTelemetry 集成：** Logfire 是 OpenTelemetry 的封装层，允许您复用现有的工具、基础设施和针对常见 Python 包的监控方案，并支持几乎任何编程语言。我们全面支持 OpenTelemetry 的所有信号类型（追踪、指标和日志）。\n- **Pydantic 集成：** 深入理解在您的 Pydantic 验证模型中流动的数据，并获得内置的验证分析功能。\n\n更多详细信息请参阅 [文档](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002F)。\n\n**欢迎在此仓库中报告问题或提出关于 Logfire 的任何疑问！**\n\n本仓库包含 `logfire` 的 Python SDK 和相关文档；用于记录和展示数据的服务端应用则为闭源。\n\n## 使用 Logfire\n\n以下是对 Logfire 使用方法的简要概述，[文档](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002F) 中有更详细的说明。\n\n### 安装\n\n```bash\npip install logfire\n```\n\n[_(了解更多)_](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fguides\u002Ffirst_steps\u002F#install)\n\n## 认证\n\n```bash\nlogfire auth\n```\n\n[_(了解更多)_](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fguides\u002Ffirst_steps\u002F#authentication)\n\n### 手动追踪\n\n以下是一个简单的手动追踪（即日志记录）示例：\n\n```python skip-run=\"true\" skip-reason=\"blocking\"\nfrom datetime import date\n\nimport logfire\n\nlogfire.configure()\nlogfire.info('你好，{name}！', name='世界')\n\nwith logfire.span('询问用户{question}', question='年龄'):\n    user_input = input('你几岁了 [YYYY-mm-dd]？ ')\n    dob = date.fromisoformat(user_input)\n    logfire.debug('{dob=} {age=!r}', dob=dob, age=date.today() - dob)\n```\n\n[_(了解更多)_](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fguides\u002Fonboarding-checklist\u002Fadd-manual-tracing\u002F)\n\n### 集成\n\n您也可以避免手动埋点，直接与 [众多流行库](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fintegrations\u002F) 集成。以下是与 FastAPI 集成的示例：\n\n```py skip-run=\"true\" skip-reason=\"global-instrumentation\"\nfrom fastapi import FastAPI\nfrom pydantic import BaseModel\n\nimport logfire\n\napp = FastAPI()\n\nlogfire.configure()\nlogfire.instrument_fastapi(app)\n# 接下来，您可以集成数据库连接器、HTTP 客户端等，并添加日志处理器\n\n\nclass User(BaseModel):\n    name: str\n    country_code: str\n\n\n@app.post('\u002F')\nasync def add_user(user: User):\n    # 我们会在这里存储用户信息\n    return {'message': f'{user.name}已添加'}\n```\n\n[_(了解更多)_](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fintegrations\u002Ffastapi\u002F)\n\nLogfire 可以为您提供类似这样的代码运行视图：\n\n![Logfire 截图](https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpydantic_logfire_readme_58b13935f5f8.png)\n\n## 贡献\n\n我们欢迎任何有兴趣的人为 Logfire 的 SDK 和文档做出贡献，请参阅 [贡献指南](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fblob\u002Fmain\u002FCONTRIBUTING.md)。\n\n## 报告安全漏洞\n\n请参阅我们的 [安全政策](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fsecurity)。\n\n## Logfire 开源与闭源边界\n\nLogfire 的 SDK（我们还提供 [TypeScript](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire-js) 和 [Rust](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire-rust) 版本）是开源的，您可以将其用于将数据导出到 [任何兼容 OTel 的后端](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fhow-to-guides\u002Falternative-backends\u002F)。\n\n而 Logfire 平台（包括 UI 和后端）则是闭源的。您可以通过购买 [企业许可证](https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fenterprise\u002F) 来自行部署该平台。","# Pydantic Logfire 快速上手指南\n\nPydantic Logfire 是一款专为 Python 开发者打造的可观测性平台，由 Pydantic 团队开发。它基于 OpenTelemetry，提供强大的追踪、指标和日志功能，同时保持极简的使用体验。\n\n## 环境准备\n\n- **操作系统**：Linux、macOS 或 Windows\n- **Python 版本**：3.8 及以上\n- **前置依赖**：无特殊系统依赖，需确保已安装 `pip` 包管理工具\n\n> 💡 **国内加速建议**：推荐使用清华或阿里云镜像源加速安装过程。\n> ```bash\n> pip install -i https:\u002F\u002Fpypi.tuna.tsinghua.edu.cn\u002Fsimple logfire\n> ```\n\n## 安装步骤\n\n1. 使用 pip 安装 Logfire SDK：\n   ```bash\n   pip install logfire\n   ```\n\n2. 进行身份认证（首次使用必需）：\n   ```bash\n   logfire auth\n   ```\n   执行后将引导你登录 Pydantic Logfire 云平台并获取访问令牌。\n\n## 基本使用\n\n### 方式一：手动埋点（推荐新手）\n\n最简单的用法是直接记录日志和创建追踪跨度：\n\n```python\nfrom datetime import date\n\nimport logfire\n\nlogfire.configure()\nlogfire.info('Hello, {name}!', name='world')\n\nwith logfire.span('Asking the user their {question}', question='age'):\n    user_input = input('How old are you [YYYY-mm-dd]? ')\n    dob = date.fromisoformat(user_input)\n    logfire.debug('{dob=} {age=!r}', dob=dob, age=date.today() - dob)\n```\n\n### 方式二：自动集成主流框架\n\n若你使用 FastAPI、Django、SQLAlchemy 等流行库，可一键启用自动 instrumentation：\n\n```python\nfrom fastapi import FastAPI\nfrom pydantic import BaseModel\n\nimport logfire\n\napp = FastAPI()\n\nlogfire.configure()\nlogfire.instrument_fastapi(app)\n# 后续可继续 instrument 数据库连接器、HTTP 客户端等\n\n\nclass User(BaseModel):\n    name: str\n    country_code: str\n\n\n@app.post('\u002F')\nasync def add_user(user: User):\n    # 此处可存储用户数据\n    return {'message': f'{user.name} added'}\n```\n\n配置完成后，所有请求、异常、数据库查询等将自动上报至 Logfire 仪表盘，无需额外编码。\n\n访问 [Logfire 控制台](https:\u002F\u002Flogfire.pydantic.dev) 即可查看实时追踪与性能分析。","某电商团队正在开发基于大语言模型（LLM）的智能客服代理，该代理需实时调用内部数据库查询订单状态并生成回复。\n\n### 没有 logfire 时\n- **黑盒调试困难**：当 AI 回复错误或延迟过高时，开发者无法看清 LLM 内部的思考链路、工具调用顺序及具体耗时，只能靠猜。\n- **数据洞察缺失**：传统的文本日志难以直观展示复杂的 Python 对象和 Pydantic 验证细节，排查数据格式错误效率极低。\n- **查询门槛高**：想要分析特定类型的失败案例，需要编写复杂的脚本解析日志文件，无法即时通过标准 SQL 灵活检索。\n- **集成成本高**：为 FastAPI 后端和数据库手动添加埋点代码量大，且容易遗漏关键性能指标，导致监控盲区。\n\n### 使用 logfire 后\n- **全链路可视化**：logfire 自动追踪从用户请求到 LLM 推理、再到数据库查询的完整跨度，毫秒级定位是模型慢还是网络卡。\n- **结构化数据呈现**：直接在仪表盘以富文本形式查看 Pydantic 模型验证过程和 Python 对象状态，异常数据一目了然。\n- **SQL 即时分析**：团队成员无需学习新语法，直接用标准 SQL 即可查询历史轨迹，快速筛选出“耗时超过 2 秒”或“验证失败”的会话。\n- **零代码深度集成**：仅需一行配置即可自动拦截 FastAPI 请求和数据库操作，原生支持 OpenTelemetry 信号，瞬间获得系统级可观测性。\n\nlogfire 让复杂的 AI 代理系统从“黑盒”变为透明玻璃盒，帮助团队将故障排查时间从小时级缩短至分钟级。","https:\u002F\u002Foss.gittoolsai.com\u002Fimages\u002Fpydantic_logfire_58b13935.png","pydantic","Pydantic","https:\u002F\u002Foss.gittoolsai.com\u002Favatars\u002Fpydantic_0846671e.png","Pydantic, Pydantic Logfire and Pydantic AI",null,"hello@pydantic.dev","https:\u002F\u002Fpydantic.dev","https:\u002F\u002Fgithub.com\u002Fpydantic",[82,86,90],{"name":83,"color":84,"percentage":85},"Python","#3572A5",99.9,{"name":87,"color":88,"percentage":89},"Makefile","#427819",0.1,{"name":91,"color":92,"percentage":93},"JavaScript","#f1e05a",0,4171,226,"2026-04-16T14:04:30","MIT","未说明","无 GPU 需求",{"notes":101,"python":102,"dependencies":103},"Logfire 是一个基于 OpenTelemetry 的可观测性平台 Python SDK。SDK 本身开源，但后端服务和 UI 界面为闭源（需使用官方云服务或购买企业许可自建）。支持导出到任何兼容 OpenTelemetry 的后端。安装后需运行 'logfire auth' 进行认证。","3.8+",[73,104,105,106],"opentelemetry-api","opentelemetry-sdk","fastapi (可选集成)",[13,35,45,14,15,108],"其他",[110,111,112,113,114,73,115,116,117,118,119,120,121,122,123,124],"fastapi","logging","observability","openai","opentelemetry","python","trace","metrics","ai","ai-tools","pydantic-ai","agent-observability","ai-observability","evals","llm-observability","2026-03-27T02:49:30.150509","2026-04-17T08:24:15.154298",[128,133,138,143,148],{"id":129,"question_zh":130,"answer_zh":131,"source_url":132},37291,"如何在多进程环境中避免 Span 无法关闭或进程挂起的问题？","在使用多进程时，建议将启动方法设置为 'spawn' 而不是默认的 'fork'，以避免进程挂起。可以通过以下代码设置：\n\nimport multiprocessing\nmultiprocessing.set_start_method('spawn')\n\n虽然使用 'spawn' 会略微增加运行时开销，但能确保一致性。此外，如果需要跨进程传递追踪上下文，建议使用手动上下文传播（Manual Context Propagation），将上下文字典放入队列中以链接生产者和消费者的 Span。","https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fissues\u002F741",{"id":134,"question_zh":135,"answer_zh":136,"source_url":137},37292,"Logfire 是否支持自托管（Self-hosted）部署？","Logfire 提供企业级自托管版本（Enterprise Self-Hosted），但这是一款付费产品，主要面向有合规要求的企业用户，并非免费开源版本。\n\n如果您不想使用官方托管服务且希望免费使用，可以使用 Logfire SDK 将数据发送到任何支持 OpenTelemetry 的后端服务器。配置方法参考官方文档：https:\u002F\u002Flogfire.pydantic.dev\u002Fdocs\u002Fhow-to-guides\u002Falternative-backends\u002F","https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fissues\u002F78",{"id":139,"question_zh":140,"answer_zh":141,"source_url":142},37293,"在 Google Colab 或 IPython 中导入 Logfire 后单元格输出被阻塞或显示异常怎么办？","这是由于 Logfire 输出项目 URL 时使用了 Rich 的链接标记（`[link=...]`），生成的 OSC 8 转义序列与 Colab\u002FIPython 的输出机制冲突。\n\n解决方案是升级 Logfire SDK 到包含修复的版本（该修复移除了链接标记，改用普通颜色样式 `[cyan]`）。如果暂时无法升级，确保在运行脚本前执行 `!logfire auth` 命令有时也能缓解部分交互问题，但根本解决需要等待或使用修复后的版本。","https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fissues\u002F1267",{"id":144,"question_zh":145,"answer_zh":146,"source_url":147},37294,"如何以编程方式检查 Logfire 凭证是否有效，而不导致程序阻塞或抛出异常？","目前官方没有提供专门的公共 API 来静默验证凭证。虽然可以通过访问内部模块 `logfire._internal.config` 来尝试初始化凭证并捕获 `LogfireConfigError` 异常，但这依赖于内部实现细节，不建议在生产环境中长期使用。\n\n注意：在较新版本中，如果令牌无效，Logfire 的行为可能从抛出异常变为发出警告，具体行为取决于版本和配置。最佳实践是在开发阶段通过 `logfire auth` 命令预先验证，或在生产环境中依靠日志输出来监控配置状态。","https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fissues\u002F299",{"id":149,"question_zh":150,"answer_zh":151,"source_url":152},37295,"如何解决 `response_schema` 相关的问题或过滤 Logfire 中的值？","针对 `response_schema` 的问题，维护者已在 PR #1342 中实现了临时解决方案并发布。请尝试升级 Logfire SDK 到最新版本以获取修复。\n\n对于需要在 Logfire 中过滤特定值而不是将其转换为字符串（`safe_repr` 默认行为）的需求，用户可以参考 open-telemetry python contrib 仓库的相关修复提交（commit 69e1ba57660a644492fce9e5ca9084c1c58c5ff3），通过 fork 该仓库并应用补丁来实现自定义过滤逻辑。","https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fissues\u002F788",[154,159,164,169,174,179,184,189,194,199,204,209,214,219,224,229,234,239,244,249],{"id":155,"version":156,"summary_zh":157,"released_at":158},297856,"v4.32.1","* 由 @alexmojaki 在 [#1861](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1861) 中添加对 OpenTelemetry SDK 1.40.0 的支持\n* 由 @adriangb 在 [#1862](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1862) 中在查询客户端侧执行行到列的转换\n* 由 @alexmojaki 在 [#1863](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1863) 中将各类生成式 AI 属性标记为无需脱敏\n\n","2026-04-15T14:04:12",{"id":160,"version":161,"summary_zh":162,"released_at":163},297857,"v4.32.0","* 由 @dmontagu 在 [#1848](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1848) 中向实验性 API 客户端添加了 `push_dataset` 辅助函数。","2026-04-10T19:29:08",{"id":165,"version":166,"summary_zh":167,"released_at":168},297858,"v4.31.2","* 修复：由 @alexmojaki 在 [#1857](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1857) 中实现，为 OpenAI 流式日志显示令牌徽章\n* 修复：由 @cyberksh 在 [#1632](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1632) 中实现，在尾部采样缓冲区重放期间的 OTel 警告\n\n","2026-04-10T15:35:42",{"id":170,"version":171,"summary_zh":172,"released_at":173},297859,"v4.31.1","* 由 @alexmojaki 在 [#1846](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1846) 中实现：在 OpenAI 流式日志中捕获 token 使用量和费用属性\n* 由 @alexmojaki 在 [#1850](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1850) 中实现：在 Anthropic 流式日志中捕获 token 使用量和费用属性\n* 由 @alexmojaki 在 [#1843](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1843) 中实现：为 OpenAI 嵌入捕获 `operation.cost`\n* 由 @alexmojaki 在 [#1847](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1847) 中实现：为 Anthropic 捕获 `gen_ai.usage.raw`\n* 修复：由 @BreytMN 在 [#1824](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1824) 中实现，在 `forward_export_request` 中剥离 `cf-connecting-ip` 头部\n* 由 @alexmojaki 在 [#1840](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1840) 中改进：更好地处理对 `sys.stdout` 的打补丁操作\n\n","2026-04-09T13:55:06",{"id":175,"version":176,"summary_zh":177,"released_at":178},297860,"v4.31.0","* 由 @alexmojaki 在 [#1799](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1799) 中添加 `logfire.instrument_claude_agent_sdk()`\n* 功能：由 @Kludex 在 [#1694](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1694) 中添加 `logfire.url_from_eval(report)` 方法\n* 修复：在 Anthropic 的 `gen_ai.usage.input_tokens` 中包含缓存的令牌，由 @alexmojaki 在 [#1812](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1812) 中完成\n* 修复：处理 bare MCP 请求类型，以兼容 fastmcp 3.x，由 @alexmojaki 在 [#1813](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1813) 中完成\n\n","2026-03-27T18:32:54",{"id":180,"version":181,"summary_zh":182,"released_at":183},297861,"v4.30.0","* @ai-man-codes 在 [#1781](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1781) 中添加了 `logfire auth logout` 命令\n* @ameenalkhaldi 在 [#1784](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1784) 中移除了项目 URL 输出中的 Rich 链接样式\n* @dmontagu 在 [#1785](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1785) 中修复了 `push_config()`，使其能够推送标签和版本\n* @Kludex 在 [#1792](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1792) 中将 `export_dataset` 合并到 `get_dataset`，并添加了 `include_cases` 参数\n\n","2026-03-23T17:00:51",{"id":185,"version":186,"summary_zh":187,"released_at":188},297862,"v4.29.0","* 由 @alexmojaki 在 [#1777](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1777) 中向 OpenAI Responses 的 Span 添加 `gen_ai.usage.raw` 属性\n\n","2026-03-13T15:22:40",{"id":190,"version":191,"summary_zh":192,"released_at":193},297863,"v4.28.0","* 处理 Anthropic 的 Beta 版消息，并由 @alexmojaki 在 [#1774](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1774) 中进行重构\n* 删除冗余的 `logfire.experimental.datasets` 包，由 @alexmojaki 在 [#1763](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1763) 中完成\n* 将 `logfire_pytest` fixture 的作用域改为会话级别，由 @jirikuncar 在 [#1758](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1758) 中完成\n\n","2026-03-11T16:15:49",{"id":195,"version":196,"summary_zh":197,"released_at":198},297864,"v4.27.0","* 在 Anthropic 的跟踪记录中添加 `gen_ai.system` 属性，由 @alexmojaki 在 [#1760](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1760) 中实现，以支持显示令牌和费用标记。\n* 当安装了 `genai-prices` 时，在 Anthropic 的跟踪记录上设置 `operation.cost` 属性，由 @alexmojaki 在 [#1761](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1761) 中实现。","2026-03-06T18:16:17",{"id":200,"version":201,"summary_zh":202,"released_at":203},297865,"v4.26.0","* 功能：添加浏览器代理辅助函数 `forward_export_request` 和 `logfire_proxy`，由 @AlanPonnachan 在 [#1697](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1697) 中实现\n* 处理 `dataclasses.asdict` 中的序列化错误，由 @alexmojaki 在 [#1756](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1756) 中实现\n* 对同质字典模式使用 `additionalProperties`，由 @adriangb 在 [#1738](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1738) 中实现\n\n","2026-03-06T09:22:03",{"id":205,"version":206,"summary_zh":207,"released_at":208},297866,"v4.25.0","* Add experimental datasets package by @dmontagu in [#1711](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1711)\r\n* Extract langsmith provider name by @alexmojaki in [#1720](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1720)\r\n\r\n","2026-02-19T15:19:28",{"id":210,"version":211,"summary_zh":212,"released_at":213},297867,"v4.24.0","* Add managed variables by @dmontagu in [#1691](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1691)\r\n\r\n","2026-02-13T20:38:51",{"id":215,"version":216,"summary_zh":217,"released_at":218},297868,"v4.23.0","* feat: Add `logfire.db_api` — PEP 249 DB API 2.0 interface by @dmontagu in [#1692](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1692)\r\n* Add semantic convention message attributes to LLM integrations by @dmontagu in [#1705](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1705)\r\n* Fix some attributes in langsmith and openai_agents spans @alexmojaki in [#1696](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1696)\r\n* feat: support for pytest-xdist traceparent propagation by @jirikuncar in [#1701](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1701)\r\n* fix: re-attach OTel span context in pytest async test functions by @jirikuncar in [#1693](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1693)\r\n\r\n","2026-02-12T15:00:25",{"id":220,"version":221,"summary_zh":222,"released_at":223},297869,"v4.22.0","* feat: Add multi-token support for project migration by @adriangb in [#1672](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1672)\r\n* Fix google_genai integration crash when Gemini returns parts=None by @alexmojaki in [#1678](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1678)\r\n\r\n","2026-02-04T12:11:43",{"id":225,"version":226,"summary_zh":227,"released_at":228},297870,"v4.21.0","* feat: Add OTel Gen AI semantic convention scalar attributes by @brightsparc in [#1657](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1657)\r\n* Handle langchain reasoning summaries by @alexmojaki in [#1665](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1665)\r\n* Fix Responses API streaming error handling to not mask original errors by @jordanhboxer in [#1668](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1668)\r\n* Only patch `os.exit` once by @alexmojaki in [#1663](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1663)\r\n\r\n","2026-01-28T18:49:21",{"id":230,"version":231,"summary_zh":232,"released_at":233},297871,"v4.20.0","* feat: pytest integration by @jirikuncar in [#1648](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1648)\r\n* fix: anthropic response data should include tool call id by @mathislucka in [#1636](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1636)\r\n\r\n","2026-01-26T10:50:57",{"id":235,"version":236,"summary_zh":237,"released_at":238},297872,"v4.19.0","* Add DSPy integration to logfire by @bdsaglam in [#1625](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1625)\r\n* Set log level based on HTTP status code, create issues for handled exceptions in FastAPI when the status code is 5xx by @alexmojaki in [#1628](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1628)\r\n* Add OTel GenAI semantic convention attributes to LLM instrumentations by @jimilp7 in [#1619](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1619)\r\n* Minor optimization: move tweaking of ASGI send\u002Freceive span level by @alexmojaki in [#1629](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1629)\r\n\r\n","2026-01-16T10:08:01",{"id":240,"version":241,"summary_zh":242,"released_at":243},297873,"v4.18.0","* Adds `aiohttp` request body capture. by @adtyavrdhn in [#1595](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1595)\r\n* Claude SDK instrumentation by @alexmojaki in [#1618](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1618)\r\n\r\n","2026-01-12T14:32:38",{"id":245,"version":246,"summary_zh":247,"released_at":248},297874,"v4.17.0","* `logfire.instrument_surrealdb` by @alexmojaki in [#1573](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1573)\r\n* feat(config): allow custom Views in MetricOptions by @cyberksh in [#1552](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1552)\r\n* Handle unpicklable configuration in `ProcessPoolExecutor` patch #1556 by @pipinstalled in [#1567](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1567)\r\n* Maintain original LLM request context when logging the streaming response by @yiphei in [#1566](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1566)\r\n* Add note about `write_token` permission in `logfire projects` commands by @Viicos in [#1545](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1545)\r\n\r\n","2026-01-07T10:42:30",{"id":250,"version":251,"summary_zh":252,"released_at":253},297875,"v4.16.0","* Support OpenTelemetry 1.39.0, drop support for earlier versions, stop using the OTel events API\u002FSDK by @alexmojaki in [#1562](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1562)\r\n* Add `new_trace` parameter to `logfire.instrument` by @njz-cvm in [#1499](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1499)\r\n* Fix JSON serialization error with `instrument_google_genai` by @alexmojaki in [#1551](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1551)\r\n* Support kwargs in `ProxyLogger` `emit()` by @qianl15 in [#1561](https:\u002F\u002Fgithub.com\u002Fpydantic\u002Flogfire\u002Fpull\u002F1561)\r\n\r\n","2025-12-04T16:04:44"]