快速结论:这是 Langfuse V3 Preview(内部称 V4 Beta / Fast 模式)UI 的已知缺陷,不是数据写入问题。优先排查方式是暂时关闭 “Faster Langfuse experience” 开关,回到 Stable UI 查看完整数据。
适用环境:Langfuse Cloud(Issue 未提供自托管版本、Python、CUDA 或显卡信息)。触发场景为通过 REST API(POST /api/public/ingestion)批量写入历史 trace。
最快修复方案:暂无确认的一步修复方案。Dosu 明确提出的可行方案是:在 V3 Preview UI 中关闭 “Faster Langfuse experience” 开关,切换回 Stable UI 即可正常显示 Latency pill 和 Tags。
注意事项:该方案只是绕过而非修复底层缺陷。Tags 在 Fast 模式中当前对所有 trace 都被硬编码为空数组(不仅是 REST API 写入的数据);Latency 计算依赖 observation 的 endTime 字段,若 REST 请求中未携带该字段,Stable UI 也可能无法计算。
问题场景
用户通过 Langfuse 的 REST API(POST /api/public/ingestion)批量写入带 startTime、endTime 和 tags 数组的历史 trace(例如从 ElevenLabs 等平台回填 5 分钟前的事件)。在开启 V3 Preview “Faster Experience” 后,trace 详情右侧面板的 Latency pill 和 Tags 不渲染,但中间 trace tree 中仍有总耗时显示。切换回 Stable UI 后,Latency 和 Tags 均正常显示。
报错原文
[UI Bug] V3 Preview "Faster Experience" drops Latency pill and Tags for traces ingested via REST API (Works perfectly in Stable)
原因分析
根据 Issue 中的排查结论,这不是 REST API 特有的问题,而是 V3 Preview UI(代码内部称为 V4 Beta / Fast 模式)与 Stable UI 的数据来源不同导致的渲染差异。
可能原因包括:
- Fast 模式通过
eventsToTraceAdapter.ts从 events 表合成 trace 数据,而 Stable UI 直接查询 traces 表。 - 在
eventsToTraceAdapter.ts中,tags 字段当前被硬编码为空数组(tags: []),对所有 trace 一律输出空 tags,无论使用 REST API 还是 OTel SDK 写入。 - Latency 计算逻辑虽然存在,但依赖 observation 记录的
endTime字段;如果所有 observation 的 endTime 都为 null,则 Latency pill 不会渲染。
环境排查
- 确认当前 Langfuse 运行环境为 Langfuse Cloud(Issue 未提供 self-hosted 版本号)。
- 检查 REST API 写入的 observation 是否包含
endTime字段。 - 确认 UI 是否开启了 “Faster Langfuse experience” 预览开关。
- 若使用 OTel SDK 写入,请对比验证 Fast 模式是否同样缺少 Tags,以排除 REST API 特有问题的可能性。
解决步骤
- 临时绕行方案(已验证):在 Langfuse 界面中关闭 “Faster Langfuse experience” 开关,切换回 Stable UI 查看 trace 数据,Latency pill 和 Tags 应正常显示。
- 检查 REST API 写入数据:确认 trace 创建请求中的 observations 是否带有
endTime字段。如果 observation 缺少 endTime,应补充该字段后重新入库。 - 等待官方修复:由于 Tags 在 Fast 模式中被硬编码为空数组,此问题需要 Langfuse 团队在
eventsToTraceAdapter.ts中移除硬编码逻辑才能根本解决。可关注后续版本更新。
验证方法
关闭 “Faster Langfuse experience” 后,重新打开之前通过 REST API 写入的 trace,检查右侧面板是否显示 Latency 灰色 pill 和 Tags 数组。若显示,说明数据已正确入库,问题仅在 Fast 模式渲染层。
参考来源
AI 工具推荐
想把多个 AI 模型放在一个入口?
GamsGo AI 集成 ChatGPT、DeepSeek、Gemini、Claude、Midjourney、Veo 等常用模型,适合写作、绘图、视频和日常 AI 工作流。
推广链接:通过此链接购买,我可能获得佣金,不影响你的价格。
这个方案解决了吗?
可以继续搜索完整报错,或查看同一工具的其他排查指南。


![[Bug]: parsing markdown error: failed to encode response: json: unsupported value: NaN (status code: 500)](https://www.chat-gpts.plus/wp-content/uploads/2026/08/15392-bea47837-768x403.jpg)