PostHog 完全指南 2026：開源產品分析與 AI 可觀測性平台入門

PostHog 是什麼？

PostHog 是目前 GitHub 上最熱門的開源產品分析與 AI 可觀測性平台（⭐ 超 1.9 萬 Star）。不同於 Google Analytics 等閉源工具，PostHog 將產品分析、使用者行為追蹤、A/B 實驗、功能開關和錯誤追蹤整合到一個統一的開源平台中，資料完全自主可控。

為什麼開發者選擇 PostHog？

對比維度	Google Analytics	Mixpanel	PostHog
開源/自託管	❌	❌	✅ MIT License
資料所有權	歸 Google	歸 Mixpanel	歸你自己
Session Replay	❌	✅ 付費	✅ 內建
Feature Flags	❌	❌	✅ 內建
A/B 實驗	❌	✅ 付費	✅ 內建
AI 可觀測性	❌	❌	✅ 追蹤 LLM 呼叫
免費額度	無限（但有取樣）	100 萬事件/月	100 萬事件/月
定價	企業版貴	按用量收費	超額後按用量

PostHog 的核心定位是幫助產品團隊和開發者理解使用者行為，驅動產品決策。它的獨特賣點在於：

• All-in-One 平台：一個工具覆蓋產品分析、Web 分析、Session Replay、功能開關、實驗、錯誤追蹤、日誌、問卷
• AI 可觀測性：追蹤 LLM 呼叫的延遲、成本、生成內容，這在 2026 年是差異化功能
• MCP 整合：透過 MCP 協定接入 Claude Code、Cursor 等 AI 編碼工具，直接在編輯器中查資料
• Self-driving 模式：自動偵測 rage clicks、報錯、失敗查詢，生成分析報告和 PR

PostHog vs 其他方案的架構差異

┌─────────────────────────────────────────────────┐
│                   PostHog                        │
├──────────┬──────────┬──────────┬────────────────┤
│ 產品分析 │ 會話回放 │ 功能開關 │ AI 可觀測性    │
│ (Events) │ (Replay) │ (Flags)  │ (LLM Traces)   │
├──────────┴──────────┴──────────┴────────────────┤
│         統一的 ClickHouse 資料引擎               │
├─────────────────────────────────────────────────┐
│        前端 SDK | 後端 SDK | API | MCP           │
└─────────────────────────────────────────────────┘

---

自部署 PostHog

方案一：PostHog Cloud（推薦）

最快上手方式，無需任何維運：

• PostHog Cloud US — 海外使用者
• PostHog Cloud EU — 需要資料合規的歐洲使用者

免費額度每月包含：100 萬事件、5000 次錄製、100 萬次 Flag 請求、10 萬異常。

方案二：Docker 一鍵部署（自託管）

如果你想完全掌控資料，PostHog 提供了極簡的 Hobby 部署方案。

前置條件： - Linux 伺服器 - 至少 4GB 記憶體 - Docker + Docker Compose

一行指令部署：

/bin/bash -c "$(curl -fsSL https://raw.githubusercontent.com/posthog/posthog/HEAD/bin/deploy-hobby)"

部署完成後，存取 http://localhost:8000 即可看到 PostHog 的管理介面。

方案三：Docker Compose 手動部署

如果你需要更精細的控制：

# docker-compose.yml
version: '3.8'

services:
  posthog:
    image: posthog/posthog:latest
    ports:
      - "8000:8000"
    environment:
      - DATABASE_URL=postgres://posthog:***@db:5432/posthog
      - REDIS_URL=redis://redis:6379/
    depends_on:
      - db
      - redis

  db:
    image: postgres:15
    environment:
      POSTGRES_PASSWORD: posthog
    volumes:
      - pgdata:/var/lib/postgresql/data

  redis:
    image: redis:7

volumes:
  pgdata:

# 啟動服務
docker-compose up -d

# 檢視日誌
docker-compose logs -f posthog

⚠️ 注意：開源自部署版本建議處理量 ≤ 10 萬事件/月。超過後推薦遷移到 PostHog Cloud。

---

快速上手：接入你的第一個應用

前端 JavaScript SDK 接入

安裝 SDK：

npm install posthog-js

在你的應用入口初始化：

import posthog from 'posthog-js';

posthog.init('YOUR_POSTHOG_API_KEY', {
  api_host: 'https://us.posthog.com',  // 自託管改為 http://your-server:8000
  autocapture: true,  // 自動擷取所有點擊、頁面瀏覽等事件
});

// 手動發送自訂事件
posthog.capture('user_signed_up', {
  method: 'email',
  plan: 'free',
});

// 設定使用者身分（登入時呼叫）
posthog.identify('user-unique-id-123', {
  email: 'developer@example.com',
  name: '張三',
});

autocapture: true 意味著你不需要埋任何程式碼——所有按鈕點擊、連結點擊、表單提交都會自動記錄。

後端 Python SDK 接入

對於後端事件（如支付成功、訂單建立）：

pip install posthog

from posthog import Posthog

# 初始化（建議用環境變數儲存 API 金鑰）
posthog = Posthog(
    project_api_key='YOUR_PROJECT_API_KEY',
    host='https://us.posthog.com'
)

# 擷取事件
posthog.capture(
    distinct_id='user-unique-id-123',
    event='payment_completed',
    properties={
        'amount': 99.00,
        'currency': 'USD',
        'payment_method': 'stripe',
    }
)

# 設定使用者屬性
posthog.identify(
    distinct_id='user-unique-id-123',
    properties={
        'email': 'developer@example.com',
        'plan': 'pro',
        'company': 'TechCorp',
    }
)

# 關閉客戶端（應用退出時）
posthog.shutdown()

Next.js 全端專案接入

npm install posthog-js posthog-node

// components/PostHogProvider.tsx
import { PostHogProvider as PHProvider } from 'posthog-js/react';
import { useEffect, useState } from 'react';
import posthog from 'posthog-js';

export function PostHogProvider({ children }: { children: React.ReactNode }) {
  const [clientReady, setClientReady] = useState(false);

  useEffect(() => {
    posthog.init(process.env.NEXT_PUBLIC_POSTHOG_KEY!, {
      api_host: process.env.NEXT_PUBLIC_POSTHOG_HOST || 'https://us.posthog.com',
      person_profiles: 'identified_only',
    });
    setClientReady(true);
  }, []);

  if (!clientReady) return null;
  return <PHProvider client={posthog}>{children}</PHProvider>;
}

// app/layout.tsx
import { PostHogProvider } from '@/components/PostHogProvider';

export default function RootLayout({ children }) {
  return (
    <html lang="zh">
      <body>
        <PostHogProvider>{children}</PostHogProvider>
      </body>
    </html>
  );
}

// app/page.tsx
'use client';
import { usePostHog } from 'posthog-js/react';

export default function HomePage() {
  const posthog = usePostHog();

  return (
    <button onClick={() => {
      posthog.capture('cta_clicked', {
        cta_text: '免費試用',
        page: 'homepage',
      });
    }}>
      開始免費試用
    </button>
  );
}

---

核心功能實戰

1. 產品分析：理解使用者行為

接入資料後，PostHog 會自動生成趨勢圖、漏斗分析和留存曲線。

漏斗分析範例：註冊 → 啟用 → 付費

-- PostHog 支援 SQL 直接查詢（ClickHouse）
SELECT
    event,
    COUNT(DISTINCT distinct_id) as users
FROM events
WHERE event IN ('user_signed_up', 'feature_activated', 'payment_completed')
  AND timestamp > now() - INTERVAL 30 DAY
GROUP BY event
ORDER BY timestamp

在 PostHog UI 中： 1. 進入 Product Analytics → Funnels 2. 新增步驟：user_signed_up → feature_activated → payment_completed 3. 檢視每步轉換率

留存分析： 1. 進入 Product Analytics → Retention 2. 選擇首事件（如 user_signed_up）和回訪事件（如 pageview） 3. 檢視 D1/D7/D30 留存曲線

2. Session Replay：看使用者真實操作

Session Replay 讓你看到使用者的真實操作錄影，包括滑鼠移動、捲動、點擊。

設定方法：

posthog.init('YOUR_API_KEY', {
  api_host: 'https://us.posthog.com',
  session_recording: {
    maskAllInputs: false,  // 不遮蔽輸入內容（隱私敏感場景設為 true）
    recordCrossOriginIframes: true,
  },
});

排查 Rage Clicks（憤怒點擊）：

// 當使用者連續快速點擊同一元素 5 次以上，觸發 rage click 事件
posthog.onFeatureFlags(() => {
  posthog.capture('rageclick', {
    element: document.activeElement.tagName,
    page: window.location.pathname,
  });
});

在 PostHog Dashboard 中，你可以： 1. 篩選所有包含 rage click 的 Session 2. 直接觀看錄影，找到導致使用者憤怒的 UI 問題 3. 一鍵建立 Issue 並指派給開發團隊

3. Feature Flags：安全灰度發布

Feature Flags 讓你在不部署程式碼的情況下控制功能開關：

// 檢查某個功能是否對使用者開放
posthog.onFeatureFlags(() => {
  const newDashboard = posthog.getFeatureFlag('new-dashboard');

  if (newDashboard) {
    // 顯示新版儀表板
    renderNewDashboard();
  } else {
    // 保持舊版
    renderOldDashboard();
  }
});

建立實驗性發布：

// 按使用者屬性定向
posthog.capture('feature_viewed', {
  $feature_flag: 'beta-search',
  $feature_flag_response: true,
});

在 PostHog 後台： 1. 進入 Feature Flags → Create Flag 2. 設定名稱 beta-search 3. 選擇發布策略： - 全量發布（100% 使用者） - 百分比發布（如 10% 使用者） - 定向發布（按信箱網域、使用者群組） 4. 儲存後，SDK 自動生效，無需重新部署

4. A/B 實驗：資料驅動決策

A/B 實驗讓你用統計學驗證功能改動的效果。

// 實驗程式碼
posthog.onFeatureFlags(() => {
  const experiment = posthog.getFeatureFlag('landing-page-test');

  if (experiment === 'variant-a') {
    showVariantA();
  } else if (experiment === 'variant-b') {
    showVariantB();
  }

  // 記錄實驗曝光
  posthog.capture('experiment_exposure', {
    $feature_flag: 'landing-page-test',
    variant: experiment,
  });
});

在 PostHog 中建立實驗： 1. 進入 Experiments → Create Experiment 2. 選擇對應的 Feature Flag 3. 設定目標指標（如 payment_completed 事件） 4. 設定顯著性水準（通常 95%） 5. 執行實驗，等待統計顯著結果

PostHog 會自動計算 p 值、信賴區間和勝出機率。

5. 錯誤追蹤：自動擷取前端異常

import posthog from 'posthog-js';

posthog.init('YOUR_API_KEY', {
  api_host: 'https://us.posthog.com',
  capture_performance: true,
});

// 自動擷取 uncaught errors
window.addEventListener('error', (event) => {
  posthog.capture('frontend_error', {
    error_message: event.message,
    error_url: event.filename,
    error_line: event.lineno,
    error_col: event.colno,
    stack: event.error?.stack,
  });
});

// 擷取 unhandled promise rejections
window.addEventListener('unhandledrejection', (event) => {
  posthog.capture('promise_rejection', {
    error_message: event.reason?.message || String(event.reason),
  });
});

在 PostHog Error Tracking 頁面，你可以： - 檢視錯誤頻率趨勢 - 關聯到受影響的 Session 錄影 - 設定告警規則（如單日錯誤數 > 100 時通知 Slack）

6. AI 可觀測性：追蹤 LLM 呼叫

這是 PostHog 2026 年的特色功能，專為 AI 應用開發者設計。

用 Python SDK 追蹤 OpenAI 呼叫：

pip install posthog openai

from posthog import Posthog
import openai

posthog = Posthog('YOUR_API_KEY', host='https://us.posthog.com')

def generate_with_tracking(user_id: str, prompt: str):
    import time
    start = time.time()

    response = openai.ChatCompletion.create(
        model="gpt-4",
        messages=[{"role": "user", "content": prompt}]
    )

    latency = time.time() - start
    tokens_used = response.usage.total_tokens

    # 追蹤 LLM 呼叫
    posthog.capture(
        distinct_id=user_id,
        event='llm_call_completed',
        properties={
            'model': 'gpt-4',
            'prompt_length': len(prompt),
            'response_length': len(response.choices[0].message.content),
            'tokens_used': tokens_used,
            'latency_ms': latency * 1000,
            'success': True,
        }
    )

    return response

用 LangChain 追蹤：

from langchain.callbacks import PostHogCallbackHandler

handler = PostHogCallbackHandler(
    api_key='YOUR_API_KEY',
    host='https://us.posthog.com',
    distinct_id='user-123',
)

# 在 chain 中使用
chain = LLMChain(llm=llm, prompt=prompt, callbacks=[handler])
result = chain.run("你好，請介紹一下 PostHog")

在 PostHog Dashboard 中你可以看到： - 每次 LLM 呼叫的延遲分布 - Token 消耗和成本統計 - 失敗請求的錯誤原因 - 按使用者分組的呼叫模式

---

MCP 整合：在編輯器中查資料

PostHog 支援 MCP 協定，你可以直接在 Claude Code、Cursor 等工具中查詢產品資料。

設定 MCP（Claude Code）：

// .mcp.json
{
  "mcpServers": {
    "posthog": {
      "command": "npx",
      "args": ["-y", "@posthog/mcp"],
      "env": {
        "POSTHOG_API_KEY": "phc_your_api_key",
        "POSTHOG_PERSONAL_API_KEY": "phx_your_personal_key",
        "POSTHOG_PROJECT_ID": "12345",
        "POSTHOG_API_HOST": "https://us.posthog.com"
      }
    }
  }
}

設定完成後，在 Claude Code 中可以直接對話：

> 過去 7 天有多少使用者註冊？
> 顯示 /dashboard 頁面的轉化漏斗
> 昨天 rage click 最多的頁面是哪個？

---

常見問題

PostHog 免費版夠用嗎？

對於大多數獨立開發者和中小團隊：每月 100 萬事件 + 5000 次錄製完全夠用。按一般 SaaS 網站，100 萬事件 ≈ 5-10 萬 MAU。

自託管和 Cloud 有什麼區別？

	Cloud	自託管
維運	無需	需要 Docker + DB 管理
資料位置	PostHog 伺服器	你自己的伺服器
功能完整性	全部功能	部分企業功能不可用
適用規模	任何規模	≤ 10 萬事件/月
價格	免費額度 + 按量	伺服器成本

PostHog 效能開銷大嗎？

JavaScript SDK 是非同步載入的，不會影響頁面渲染效能。後端 SDK 使用佇列批次發送，對業務邏輯無影響。

支援隱私合規（GDPR/PIPL）嗎？

支援。PostHog EU 執行個體滿足 GDPR 要求。中國市場可以透過 maskAllInputs 和自訂資料過濾規則適配 PIPL。

---

總結

PostHog 是目前最全面的開源產品分析平台，一個工具替代了 Google Analytics + Hotjar + LaunchDarkly + Optimizely + Sentry 的組合。對於開發者和產品團隊來說，資料自主可控 + All-in-One 體驗是最大的價值。

關鍵資源： - PostHog 官網 - GitHub 儲存庫 ⭐ 19,000+ - 文件中心 - 部署指南 - 公司手冊（開源）

如果你覺得這篇文章有幫助，歡迎分享給更多開發者！