L4-1 · Langfuse 深度解构：开源、Self-hosted、Prompt 闭环
Langfuse 是当前最完整的开源 + self-hostable + framework-agnostic 的 LLM 可观测栈；其护城河是把调用观测 / Prompt 治理 / Eval / 离线回归缝合在一个数据模型上。截至 2026-06。
§ 卷一 · 思 / Mind
技术 Tech
L4-0 · AI 可观测格局：从 30 个产品到一个选型坐标系
把当前 AI 可观测赛道的 30+ 产品按"它们在 LLM 调用链路的哪个位置切入"分成 5 种路线，给出二维选型坐标系和决策树。截至 2026-06。
L1-4 · 当被观测对象是 LLM：可观测性理论需要重写吗？
当被观测对象从确定性系统变成 LLM，前三篇建立的理论部分有效、部分崩塌——AI 可观测不是传统可观测的延伸，是一组新工程问题。
L1-3 · 基数、采样与认识论：你不可能记录全部
可观测体系永远是 lossy 的，每次采样、聚合、保留期决策都是认识论选择——它决定了你能回答什么问题、不能回答什么问题。
L1-2 · "三支柱"是一个误导的框架
Metrics / logs / traces 不是可观测性的三个维度，是同一种"事件"的三种输出格式。这个误读已经造成了过去七八年的工程混乱。
L1-1 · 可观测性的原始定义：从 Kalman 到 Honeycomb
Observability 不是工具的清单，是被观测系统的一个数学性质——这件事六十年前 Kalman 就讲清楚了，我们后来弄丢了。
L1-0 · 可观测性关键词地图：100 个概念，一张地图
100 个关键词、10 组拓扑——按"哲学 → 信号 → 协议 → 采集 → 存储 → 采样 → SLO → 告警 → 用户视角 → AI"逻辑给可观测 / AI 可观测领域绘一张全景图。