§17 可观测与生产部署

可观测：LangSmith + Langfuse 双轨

DeerFlow 的追踪配置从「只支持 LangSmith」扩展成了多 provider。加了一个 tracing callback 工厂，按环境变量决定挂 0 个、1 个还是 2 个回调。

关键行为：如果某个 provider 被显式启用但配置错了，模型创建阶段就直接报错，明确点名是哪个 provider。不会「静默没追踪」让你以为正常。

部署：Docker 一条龙

生产部署就是前面 §02 的 make up / make down，访问 http://localhost:2026。

部署规模照这张表配（再贴一次，因为重要）：

数据库与配置

config.yaml 里 database.backend 设 sqlite 或 postgres。它同时供 LangGraph checkpointer/store 和应用数据使用——一套库，别分开建。

排障用 make doctor 和 make support-bundle（生成隐私安全的打包信息给社区求助）。

标叔的结论：DeerFlow 的「可观测」默认就接好了 LangSmith/Langfuse，你上生产前先把追踪 key 配上，不然出了问题只能盲调。数据库用 postgres 起，别拿 sqlite 扛并发——checkpointer 和 app 数据抢同一库，sqlite 会先跪。

选型是读者最关心的。下一章横向比。