DA EE1. 项目概述
Langfuse作为当前主流的大模型可观测平台，在企业级AI应用开发中扮演着重要角色。但在实际生产环境中，我们经常会遇到需要在内网隔离环境或完全离线的服务器上部署Langfuse的场景。这种离线部署的需求主要来自三类情况：金融行业的安全合规要求、军工企业的物理隔离网络，以及部分制造业工厂的产线控制系统。
我在最近三个月内已经为四家不同行业客户完成了Langfuse的离线部署实施，积累了一些实战经验。与常规在线部署相比，离线部署的核心差异点在于"资源预下载-安全传输-本地加载"的三段式操作流程。整个过程看似简单，但实际操作中存在不少需要特别注意的技术细节。
需要模型API调用？ 免费领10W Token，多模型网关一键接入 Claude、DeepSeek 等主流模型。
2. 环境准备与资源下载
2.1 联网环境准备
在进行离线部署前，我们需要准备一台能够访问互联网的跳板机。这台机器的配置建议：
- 操作系统：Ubuntu 22.04 LTS（与多数生产环境保持一致）
- 磁盘空间：至少50GB可用空间（用于存储Docker镜像）
- 网络带宽：建议100Mbps以上（加快大型镜像下载速度）
重要提示：跳板机的Docker版本必须与目标离线服务器保持一致，避免因版本差异导致兼容性问题。可以通过
docker --version和docker-compose version命令确认。
2.2 源码获取方式
Langfuse的官方仓库提供了两种获取方式：
- 完整克隆（推荐）：
bash复制git clone --depth 1 https://github.com/langfuse/langfuse.git
使用--depth 1参数可以只克隆最新提交，减少下载量。
- 最小化下载（仅获取必要文件）：
bash复制mkdir langfuse-offline && cd langfuse-offline
curl -O https://raw.githubusercontent.com/langfuse/langfuse/main/docker-compose.yml
curl -O https://raw.githubusercontent.com/langfuse/langfuse/main/.env.example
在实际项目中，我建议采用第一种方式。因为除了docke