黄骅海边旅游景区上海搜索引擎关键词优化
什么是 LangSmith？
LangSmith 是 LangChain 团队开发的一个统一开发者平台，用于构建、测试、评估和监控基于大型语言模型（LLM）的应用程序。它提供了一套工具，帮助开发者更好地理解、调试和改进他们的 LLM 应用。
注册 LangSmith
在开始使用 LangSmith 前，您需要创建一个账户：
- 访问 LangSmith 网站
- 点击 “Sign Up” 创建新账户或使用现有账户登录
- 完成注册流程，您将获得访问 LangSmith 控制台的权限
API 密钥设置
要将您的应用与 LangSmith 集成，您需要获取 API 密钥：
- 登录到 LangSmith 控制台
- 点击右上角的个人资料图标，然后选择 “API 密钥”
- 创建新的 API 密钥并复制它
将此 API 密钥设置为环境变量：
# 在 Linux/MacOS 上
export LANGCHAIN_API_KEY="your-api-key-here"
export LANGCHAIN_TRACING_V2="true"
export LANGCHAIN_PROJECT="my-project-name" # 可选，指定项目名称# 在 Windows 上
set LANGCHAIN_API_KEY=your-api-key-here
set LANGCHAIN_TRACING_V2=true
set LANGCHAIN_PROJECT=my-project-name
您也可以在代码中直接设置这些变量：
import osos.environ["LANGCHAIN_API_KEY"] = "your-api-key-here"
os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_PROJECT"] = "my-project-name"
安装 LangSmith 客户端库
LangSmith 客户端库可以通过 pip 安装：
pip install langsmith
如果您已经安装了 LangChain，那么从 LangChain 版本 0.0.267 开始，LangSmith 跟踪功能已经被自动包含在其中。
项目设置
创建项目
LangSmith 中的项目用于组织和管理相关的运行和数据集：
- 在 LangSmith 控制台中，点击 “Projects” 标签
- 点击 “Create New Project” 按钮
- 输入项目名称和可选的描述
- 点击 “Create”
指定项目
您可以通过以下方式在代码中指定要使用的项目：
# 方法 1：环境变量
os.environ["LANGCHAIN_PROJECT"] = "my-project-name"# 方法 2：使用 langchain.smith 上下文管理器
from langchain.smith import RunEvalConfigwith RunEvalConfig(project_name="my-project-name"):# 您的 LangChain 代码在这里chain.invoke({"input": "Hello world"})
为监控配置应用
基本跟踪
要启用基本的 LangSmith 跟踪，只需设置环境变量：
os.environ["LANGCHAIN_TRACING_V2"] = "true"
这将自动捕获所有 LangChain 运行并将其发送到 LangSmith。
自定义跟踪
您可以添加额外的元数据和标签来丰富您的跟踪数据：
from langchain.callbacks.tracers import LangSmithTracer# 创建一个带有自定义元数据的跟踪器
tracer = LangSmithTracer(project_name="my-custom-project",tags=["production", "user-query"],metadata={"user_id": "user-123", "session_id": "abc-xyz"}
)# 将跟踪器添加到链的调用中
result = chain.invoke({"input": "Hello"}, config={"callbacks": [tracer]})
记录自定义步骤
您可以使用 LangSmith API 记录不是 LangChain 组件的自定义步骤：
from langsmith import Clientclient = Client()def process_data(data):# 创建一个新的运行with client.trace("data_processing", name="Process Raw Data") as run:try:# 您的数据处理代码result = transform_data(data)# 记录输出run.end(outputs={"processed_data": result})return resultexcept Exception as e:# 记录错误run.end(error=str(e))raise
LangChain 组件的自动监控
LangChain 与 LangSmith 深度集成，大多数 LangChain 组件都会自动发送遥测数据到 LangSmith，包括：
- LLM 和 ChatModel 调用
- 提示模板渲染
- 链和序列执行
- 检索器查询
- 工具和代理操作
您只需要设置环境变量，无需额外的代码修改。
跨环境跟踪
开发环境
在开发环境中，您可能希望启用详细跟踪以便调试：
# 开发环境配置
os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_PROJECT"] = "my-app-dev"
生产环境
在生产环境中，您可能希望限制跟踪范围或添加额外标签：
# 生产环境配置
os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_PROJECT"] = "my-app-prod"# 使用标签区分不同环境或功能
from langchain.callbacks.tracers import LangSmithTracertracer = LangSmithTracer(project_name="my-app-prod",tags=["production", "region-asia"],metadata={"deployment_id": "v2.5"}
)
客户端库 API
手动创建运行
您可以使用 LangSmith 客户端库直接创建和管理运行：
from langsmith import Clientclient = Client()# 创建新的运行
run = client.create_run(name="Custom Process",run_type="chain",inputs={"query": "What's the weather like?"},project_name="my-project"
)try:# 执行一些操作output = process_query("What's the weather like?")# 更新运行状态为成功client.update_run(run.id,outputs={"result": output},end_time=datetime.datetime.utcnow())
except Exception as e:# 记录错误client.update_run(run.id,error=str(e),end_time=datetime.datetime.utcnow())
查询运行
您可以编程方式查询和分析 LangSmith 中的运行：
from langsmith import Clientclient = Client()# 获取特定项目中的运行
runs = client.list_runs(project_name="my-project",filter={"start_time": {"$gt": "2023-07-01"},"error": {"$exists": False}}
)# 分析运行结果
for run in runs:print(f"Run ID: {run.id}, Latency: {run.latency_ms} ms")
故障排除
常见问题
-
没有看到任何运行数据
- 确保
LANGCHAIN_API_KEY和LANGCHAIN_TRACING_V2环境变量已正确设置 - 检查网络连接，确保您的环境可以访问 LangSmith API
- 确保
-
运行数据不完整
- 确保运行已正确结束，所有链和代理都已完成执行
- 检查是否有未捕获的异常中断了跟踪过程
-
API 密钥错误
- 验证您的 API 密钥是否正确
- 检查 API 密钥是否已过期或被撤销
调试提示
启用详细日志记录以帮助调试 LangSmith 集成：
import logginglogging.basicConfig(level=logging.DEBUG)
logging.getLogger("langsmith").setLevel(logging.DEBUG)
其他资源
- LangSmith 官方文档
- LangSmith API 参考
- LangChain 集成指南