Langfuse评测细化到observation层级

Langfuse的LLM-as-a-Judge自动评测支持针对单个observation执行和评分，覆盖LLM调用、检索及工具执行等环节，而此前评测只能针对完整trace进行，问题定位粒度明显细化。能力以平台内自动评测服务形式交付，面向LLM应用开发者、生产监测与评测团队，区域为海外/全球。排查检索质量或单次工具调用异常的团队，可为特定环节单独配置评分器，快速定位退化步骤，而不再只能从整条trace分数倒推。