diff --git a/zh_CN/guides/monitoring/integrate_external_ops_tools/README.md b/zh_CN/guides/monitoring/integrate_external_ops_tools/README.md
index 257bb3f..3c20c14 100644
--- a/zh_CN/guides/monitoring/integrate_external_ops_tools/README.md
+++ b/zh_CN/guides/monitoring/integrate_external_ops_tools/README.md
@@ -1,2 +1,31 @@
 # 集成外部 Ops 工具
 
+### 为什么需要 LLMOps 工具
+
+尽管 LLM 拥有出色的推理和文本生成能力，但其内部运作机制仍然难以完全理解，这给基于 LLM 的应用开发带来了挑战。例如：
+
+* 评估输出**质量**
+* 推理**成本**评估
+* 模型响应**延迟**
+* 链式调用、Agent、工具使用引入的**调试复杂**性
+* 复杂的用户意图理解
+
+LangSmith、Langfuse 这类 LLMOps 工具，为 LLM 应用提供了全面的追踪和深度评估功能，帮助开发者从应用的原型构建到生产、运营的完整生命周期内提供相应的支持。
+
+* **原型阶段**
+
+LLM 应用在原型构建阶段通常涉及提示词测试、模型选择、RAG 检索策略和其他参数组合的快速实验。快速了解模型的执行效果对于此阶段非常重要。接入 Langfuse 可以在跟踪 dify 应用执行的每个步骤，提供清晰的可见性和调试信息，从而让开发者快速定位问题并减少调试时间。
+
+* **测试阶段**
+
+进入测试阶段后，需要继续收集数据以改进和提高性能。 LangSmith 能够将运行作为示例添加到数据集中，从而扩展实际场景的测试覆盖范围。这是将日志系统和评估/测试系统置于同一平台中的一个关键优势。
+
+* **生产阶段**
+
+进入生产环境后，开发团队还需要仔细检查应用关键数据点、增加基准数据集、人工注释以及深入分析运营数据结结果。尤其是在应用大规模使用中，运营和数据团队需要持续观测应用成本和性能，对模型以及应用表现进行优化。
+
+### Dify 与第三方 Ops 工具集成
+
+使用 Dify Workflow 编排的 LLM 应用通常涵盖多个节点，具有较高的复杂性，因此应用内部的运营监测成为其构建过程中的关键环节。
+
+Dify 通过与这些工具的集成，开发者只需要在平台上进行简单的配置，可以追踪应用生命周期中的数据和指标，轻松评估在 Dify 上创建的 LLM 应用质量、性能和成本。