langkit 是基础设施领域的开源项目，由 whylabs 开发，2023 年首次发布。
在全站 13,014 个收录项目中，它的 GitHub 星标数（997）位列前 30%，在基础设施分类中处于中上游。
项目已超过三个月没有代码更新，维护节奏明显放缓，最近一次代码更新于 2026-09-07。Apache-2.0 许可证，可免费使用和部署。
它主要面向的使用场景是：生产环境LLM应用的质量监控与告警。同类可对比的替代方案包括 Langfuse、PromptLayer、Whylogs。
langkit
给大模型装上监控仪表盘，实时洞察输出质量与安全风险
LangKit 是一个面向大语言模型（LLM）的开源监控工具包，专注于从提示词和模型响应中提取信号，以保障应用的安全性和可靠性。它解决了 LLM 在生产环境中缺乏可观测性的问题，提供文本质量评估、相关性指标、情感分析等核心能力，帮助开发者实时监控模型输出质量、检测潜在风险（如提示注入、有害内容），并支持自定义指标扩展。作为 LLM 可观测性领域的早期项目，LangKit 旨在为 AI 应用提供类似传统 APM 的监控体验，让开发者能够更自信地部署和管理 LLM 服务。
开源
free
开源模型
GitHub 星标
★ 997
维护状态
低维护
是否开源
是
定价模式
free
项目数据
分类开源模型
开发团队whylabs
所属国家
定价模式free
价格说明开源工具包，Apache-2.0 许可证，可免费使用和部署。
访问状态
是否开源是
开源协议Apache-2.0
主要语言Jupyter Notebook
技术栈/模型large-language-models,machine-learning,nlg,nlp,observability,prompt-engineering,prompt-injection
GitHub 星标★ 997
30天Star增速
HF 下载量
上线时间2023-04-26 00:00:00
最近更新2026-09-07 00:00:00
维护状态低维护
中文支持
访问方式
移动端支持
综合评分
收录时间2026-08-09
浏览次数4
使用教程
核心亮点
- 提供文本质量、相关性、情感等多维度指标，覆盖 LLM 监控核心需求
- 支持自定义指标扩展，可灵活适配不同业务场景
- 与 LangKit 生态集成，方便接入现有 LLM 工作流
不足之处
- 项目处于早期阶段，文档和社区支持有待完善
- 指标计算可能依赖外部模型或服务，增加部署复杂度
适用场景
- 生产环境 LLM 应用的质量监控与告警
- LLM 安全审计，检测提示注入和有害输出
- A/B 测试中对比不同模型或提示词的输出效果
替代项目
Langfuse、PromptLayer、Whylogs
项目介绍
上一篇：qwen.cpp
下一篇：FlexLLMGen
同类项目推荐
freebuff-proxy
开源
聚合多账号，一键接入 OpenAI 兼容 API，轻松管理会话。
Multi-account OpenAI-compatible gateway for coding models. Pooled keys, session life···
microduck
开源
用 Rust 造一只会走路的桌面小鸭，快速上手双足机器人。
A Tiny biped duck robot
soperator
开源
用 Kubernetes 原生方式运行 Slurm，简化 HPC 集群管理。
Run Slurm in Kubernetes
ollama
开源
一条命令本地跑起大模型，免费、私密、不卡顿
Get up and running with Kimi, GLM, MiniMax, DeepSeek, gpt-oss, Qwen, Gemma and other···