Menu
查询 Langfuse 可观测平台数据，帮助定位 Claude Code 任务执行异常
Installer avec Codex ou Claude Copiez ce prompt, collez-le dans Codex, Claude ou un autre assistant, puis laissez-le vérifier la page du skill et l'installer pour vous.
Basé sur la classification professionnelle SOC
| name | langfuse_query |
| description | 查询 Langfuse 可观测平台数据，帮助定位 Claude Code 任务执行异常 |
| version | 1.0.0 |
| triggers | ["查日志","任务报错了","最近有没有异常","查一下 trace","执行失败","调试一下","上次任务怎么了","有没有错误"] |
langfuse_query.py 通过 Langfuse REST API 拉取 traces / observations，帮助定位 Claude Code 执行中的异常。
.claude/settings.local.json 向上查找（无需手动传参）SESSION_CONTEXT.md 获取上下文# 脚本路径（绝对路径）
_skill_base="$(dirname "$(python3 -c "import os; print(os.path.abspath('${BASH_SOURCE[0]}'))")")"
SCRIPT="${WORKSPACE_DIR}/.claude/skills/langfuse_query/langfuse_query.py"
python3 "$SCRIPT" --mode traces --limit 10 --hours 24
输出示例：
=== Langfuse Traces [workspace: /root/workspaces/yzk_worker] ===
过去 24h，共 5 条 trace
────────────────────────────────────────────────────────────
✓ [04-11 09:30:12] claude-code turn 3
trace_id : abc123def456789...
session : session-xyz...
input : "帮我查一下今天的任务完成情况"
output : "已完成以下任务：..."
python3 "$SCRIPT" --mode errors --hours 6
python3 "$SCRIPT" --mode observations --trace-id <trace_id_前16位或完整id>
输出工具调用链：
observations (8 条):
[04-11 09:30:10] [generation] Claude Response
input : "帮我查今天的任务完成情况"
output : "已完成以下任务..."
[04-11 09:30:11] [tool] Tool: Read
input : {"file_path": "/root/workspaces/.../memory/MEMORY.md"}
python3 "$SCRIPT" --mode session --session-id <session_id>
| 参数 | 默认值 | 说明 |
|---|---|---|
--mode | traces | 查询模式：traces / observations / session / errors |
--limit | 10 | 返回条数 |
--hours | 24 | 查询最近 N 小时 |
--errors-only | false | 仅显示含错误的 trace |
--task-name | — | 按任务名过滤（部分匹配） |
--trace-id | — | 指定 trace id（observations 模式必需） |
--session-id | — | 指定 session id |
当用户报告"任务没执行"或"执行报错"时：
# 第一步：看最近有没有异常
python3 "$SCRIPT" --mode errors --hours 6
# 第二步：按任务名过滤
python3 "$SCRIPT" --mode traces --task-name "每日简报" --hours 24
# 第三步：查具体 trace 的工具调用链
python3 "$SCRIPT" --mode observations --trace-id abc123def456789a
脚本按以下优先级查找凭证（自动处理，通常无需手动配置）：
LANGFUSE_PUBLIC_KEY / LANGFUSE_SECRET_KEY / LANGFUSE_BASE_URL.claude/settings.local.json 中的 env 字段标准配置（已预置在 workspaces/<app>/.claude/settings.local.json）：
{
"env": {
"TRACE_TO_LANGFUSE": "true",
"LANGFUSE_PUBLIC_KEY": "pk-lf-cc-workspace-bot-local",
"LANGFUSE_SECRET_KEY": "sk-lf-cc-workspace-bot-local",
"LANGFUSE_BASE_URL": "http://localhost:3000"
}
}
访问 http://localhost:3000 查看完整的可视化 traces。
admin@cc-workspace.local / admin123cc-workspace-bot基于 persona.md 的 personality_dims，按映射公式计算行为参数，写入 character_params.yaml。 由 calibrate_params 定时任务触发（每7天），或初始化完成时立即触发一次。 其他 SKILL/hook 在检测到 persona_checksum 不一致时，也会直接调用 recalculate.sh 同步重算。
v2.2 M3 · 对话历程摘要。RECENT_HISTORY.md 超过 30 条时，压缩旧条目为 3-5 句历程摘要 写入 memory/session_summary.md，防止长 context 导致角色漂移到共情模板。 被 memory_distill 在检测条数超阈时调用，或用户主动校验记忆时调用。
Companion Workspace 生活日志生成 SOP (v5.2)。 由 life_sim.yaml 定时任务触发（每 4 小时）。 从 material_pool 选真实素材，以"触发→反应"模板转译为角色生活日志。 内含：留白模式、用户倾诉强制呼应、降温规则、多形态衔接、失败降级链。
v5.1 关键词模板驱动 + 硬筛规则 + LLM 二审（锁外）+ 失败状态追踪。 由 material_fetch.yaml 定时任务触发（每 6 小时）。send_output: false。 读 memory/keyword_templates.yaml 生成查询，经 filters.yaml 硬筛后 LLM 二审打 fit_score 入库。
Companion Workspace 定时记忆提炼 SOP。 由 memory_distill.yaml 定时任务触发（每小时一次）。 从最近消息中提炼新信息，补充到 memory 文件，不重复已有内容。
Companion Workspace 记忆写入规范。 触发词：记住 / 对话结束时的自动检查 / 强烈情绪事件