[SDK][Python] NaN/Inf floats nested in a pydantic model serialize to invalid JSON (bare NaN/Infinity)

快速结论：该报错发生在 Langfuse Python SDK 序列化 pydantic 模型时，当模型内嵌的浮点数为 NaN/Inf 时，会绕过安全转换逻辑，直接输出非法的裸 NaN/Infinity JSON 令牌，导致 ingestion 服务器 JSON.parse 拒绝接收。优先检查 langfuse/_utils/serializer.py 中 BaseModel 分支是否递归调用了 default()。

适用环境：langfuse-python SDK v4.14.x（当前 main 分支），依赖 pydantic 模型。操作系统、Python 版本、CUDA、显卡等环境变量在 Issue 中未提供，无法确认。

最快修复方案：暂无确认的一步修复方案。可优先尝试将 BaseModel 分支的 return obj.model_dump() 改为 return self.default(obj.model_dump())，让序列化结果递归经过 float 安全转换逻辑。

注意事项：此为 Issue 中提出的修复建议，尚未有官方发布版本验证。修改需自行测试，且 dataclass 分支存在相同问题，建议一并处理。该修改涉及核心链路序列化器，改动后需回归测试正常数据流。

问题场景

在 Langfuse Python SDK 的 tracing 核心路径上，span 的 input/output/metadata 通过 langfuse/_client/attributes.py 的 _serialize 方法序列化。当被追踪的 pydantic 对象中嵌套了 NaN/Inf 浮点数（常见于 ML/评分相关的 payload），就会触发此问题。

报错原文

[SDK][Python] NaN/Inf floats nested in a pydantic model serialize to invalid JSON (bare NaN/Infinity)

原因分析

可能原因是 langfuse/_utils/serializer.py 中的 EventSerializer 对不同类型的对象采用了不同的序列化策略：

dict/list 分支会递归调用 self.default()，因此能触发 float 的 NaN/Inf 安全转换（转换为 "NaN"、"Infinity"、"-Infinity" 字符串令牌）。
pydantic BaseModel 分支直接返回 obj.model_dump()，没有递归回 default()，导致原始 float("nan") 直接进入 Python JSON C-encoder，输出裸的 NaN/Infinity 令牌。
dataclass 分支（return asdict(obj)）也存在相同问题，未递归处理。

环境排查

确认 langfuse-python SDK 版本为 v4.14.x（Issue 中确认的版本）
检查 pydantic 模型定义，确认字段类型为 float 且可能赋值为 NaN/Inf
确认在使用 span 的 input/output/metadata 参数时传递了包含 NaN/Inf 的 pydantic 对象

解决步骤

定位 langfuse/_utils/serializer.py，找到 BaseModel 分支（当前行号约 132-139）。
将 return obj.model_dump() 修改为 return self.default(obj.model_dump())，使序列化结果递归经过 float 安全转换逻辑。
检查 dataclass 分支（is_dataclass），将 return asdict(obj) 同样修改为 return self.default(asdict(obj))，修复同类问题。
如果场景中使用了 pydantic 的 raw 属性（嵌套 BaseModel），确保先调用 raw.model_rebuild() 再递归处理。
修改后运行原有的序列化功能，确认输出为合法 JSON。

验证方法

使用 Issue 中的可运行复现脚本验证：

from pydantic import BaseModel
from langfuse._utils.serializer import EventSerializer

class Scores(BaseModel):
    confidence: float

encoded = EventSerializer().encode(Scores(confidence=float("nan")))
# 修复后应输出 {"confidence": "NaN"} 而非 {"confidence": NaN}
import json
json.loads(encoded, parse_constant=lambda t: (_ for _ in ()).throw(ValueError(t)))
# 修复后不应抛出 ValueError

同时建议在真实 tracing 流程中发送包含 NaN 的 span 数据，确认 ingestion 服务器能正常接收。