- 综合排序
- 最热优先
- 最新优先
- 来自专栏AI
集成 Langsmith
Embedchain 现在支持与 LangSmith 的集成。要使用 LangSmith，您需要执行以下步骤。 在 LangSmith 上拥有一个账户并准备好环境变量在您的应用中设置环境变量，以便 embedchain 了解上下文只需使用 embedchain，一切将自动记录到 LangSmith，以便您可以更好地测试和监控您的应用让我们详细介绍每个步骤 首先确保您已创建 LangSmith 账户并拥有所有必要的变量。LangSmith 有一份良好的文档介绍如何开始使用他们的服务。 os.environ['LANGCHAIN_PROJECT'] = '<your-project>'现在使用 Embedchain 创建一个应用，一切将自动在 LangSmith 中可见from embedchain 现在，这整个日志将在 langsmith 中可见。引用githubdocAI 博客 - 从零开始学AI
43510编辑于 2024-08-12 langchain源码分析：langsmith
- LANGSMITH_URL=${LANGSMITH_URL:-http://langchain-frontend:1980} - GO_ENDPOINT=http://langchain-platform-backend - LANGSMITH_URL=${LANGSMITH_URL:-http://langchain-frontend:1980} - SMITH_BACKEND_ENDPOINT =${SMITH_BACKEND_ENDPOINT:-http://langchain-backend:1984} - LANGSMITH_LICENSE_KEY=${LANGSMITH_LICENSE_KEY environment: - LANGCHAIN_ENV=local_docker - LANGSMITH_LICENSE_KEY=${LANGSMITH_LICENSE_KEY 整体来说langsmith实现了日志和监控的前后端，类似一个运维平台。
800编辑于 2026-03-18- 来自专栏测试技术圈
LangSmith帮助测试大模型系统
LangSmith是评估大模型能力好坏的评估工具，能够量化评估基于大模型的系统的效果。LangSmith通过记录langchain构建的大模型应用的中间过程，从而能够更好的调整提示词等中间过程做优化。 然后我们需要在本地安装LangSmith的依赖包 pip install -U langsmith 设置完成后就可以在LangChain代码中加入LangSmith环境变量进行过程数据收集了。 LANGCHAIN_API_KEY：就是上面生成的LangSmith的key。 LANGCHAIN_ENDPOINT：LangSmith的收集过程数据的API地址 LANGCHAIN_PROJECT：是要跟踪的项目名称，如果LangSmith平台上还没有这个项目，会自动创建。 LangSmith完成了跟踪LangChain构建应用的所有的中间过程，这也为验收或者测试LangChain构建的基于大模型的应用提供了有力的手段。
1.6K10编辑于 2024-04-30 - 来自专栏全栈测试技术
LangSmith：大模型应用开发的得力助手
LangSmith：大模型应用开发的得力助手大语言模型（LLM）快速发展，构建高效、可靠的 LLM 应用成为开发者核心需求；但开发过程中，缺乏对应用内部运行的洞察，导致调试和优化难度显著增加；LangSmith LangSmith 来助力2.1 可观察性：让黑箱变透明LangSmith 的核心价值之一是为 LLM 应用提供强可观察性；LLM 领域的可观察性远超传统监控：由于 LLM 本身的非确定性，开发者不仅需要知道应用是否正常运行 项目环境搭建：本地创建项目文件夹并进入：mkdir langsmith - translatorcd langsmith - translator创建 Python 虚拟环境隔离依赖：\# Mac/Linuxpython3 装饰器标记翻译函数，实现函数运行情况的LangSmith 追踪。 高级功能探索4.1 评估（Evaluation）：衡量应用质量LangSmith 提供丰富评估功能，帮助衡量 LLM 应用性能与质量；开发者可定义包含输入和预期输出的评估数据集，使用 LangSmith
44020编辑于 2025-09-18 - 来自专栏DeepHub IMBA
从零开始构建AI Agent评估体系：12种LangSmith评估方法详解
# 配置 LangSmith API 密钥 os.environ["LANGCHAIN_API_KEY"] = "YOUR_LANGSMITH_API_KEY" # 配置 接下来需要初始化 LangSmith 客户端，作为整个评估流程的核心组件： # 初始化 LangSmith 客户端 client = langsmith.Client() 1、精确匹配评估方法 为了在 LangSmith 中有效实施这种方法，首先需要构建评估数据集。在 LangSmith 框架中，数据集是由示例集合构成，每个示例包含输入和相应的预期输出（参考或标签）。 首先克隆公共数据集到 LangSmith 账户中进行评估： # LangSmith 上公共数据集的 URL dataset_url = "https://smith.langchain.com/ LangSmith 将在数据集中的每个合同上运行提取链，评估器将为每个结果评分。输出中的链接直接导向项目仪表板以监控结果。 评估完成后，前往 LangSmith 审查预测结果。
2.2K12编辑于 2025-08-20 - 来自专栏大数据杂货铺
Langchain入坑
最好的方法是使用LangSmith。 请注意，LangSmith 不是必需的，但它很有帮助。 让我们问它 LangSmith 是什么 - 这是训练数据中不存在的东西，因此它不应该有很好的响应。 Here's how Langsmith might be useful:\n\n1. #向它询问有关 LangSmith 的问题： agent_executor.invoke({"input": "how can langsmith help with testing?"}) ` with `{'query': 'how can LangSmith help with testing'}` [0m[36;1m[1;3mSkip to main content️️ LangSmith
1.1K21编辑于 2024-04-15 - 来自专栏LLM应用开发实践笔记
轻装上阵，加速商业化！LangChain 0.1 预发布看点！
LangSmith LangSmith 是一个为 LLM 应用和代理提供调试、测试和监控功能的统一平台，旨在帮助开发者在将 LLM 应用推向生产环境时进行必要的定制和迭代，以保证产品质量，LangSmith 商业化产品试用 LangSmith LangSmith 作为 LLM 应用的监控中心，用于调试，记录链和代理运行的所有步骤，实现状态跟踪和运行时可观测性。 创建 LangSmith 客户端 使用 LangSmith 的 Python 客户端与 API 交互。 ），并将运行结果记录到 LangSmith 平台。 LangSmith导出数据集入口 LangSmith 通过以上步骤来跟踪、评估并改进 LangChain 应用，更多详细内容，可以前往此处查看[2]。
63610编辑于 2024-03-15 - 来自专栏啄木鸟软件测试
利用flask构建自己的LLM系统
1.注册LangSmith LangSmith 是一个用于构建生产级 LLM 应用程序的平台。它能让您密切监控和评估您的应用程序，从而帮助您快速、自信地交付产品。 1）到LangSmith（https://www.langchain.com/langsmith）注册登录账号，获取 LANGSMITH_TRACING LANGSMITH_ENDPOINT LANGSMITH_API_KEY LANGSMITH_PROJECT OPENAI_API_KEY 2）建立文件set_env.bat(Window下) @echo off setx LANGSMITH_TRACING TRUN|Fale REM 是否开启跟踪日志 setx LANGSMITH_ENDPOINT https://api.smith.langchain.com setx LANGSMITH_API_KEY <your_ LANGSMITH_API_KEY ，请重新启动终端 3）运行set_env.bat 4）重新启动终端 echo LANGSMITH_TRACING echo LANGSMITH_ENDPOINT echo LANGSMITH_API_KEY
3.1K10编辑于 2025-10-11 - 来自专栏开源心路
迭代一年，LangChain首个稳定版本终于发布，LangGraph把智能体构建为图
通过与 LangSmith 的紧密集成，LangChain 在可观察性方面做到了业界领先； 集成：拥有近 700 个集成，无论你想使用什么技术栈，LangChain 都能支持； 可组合性：使用 可观察性 集成了LangSmith,提供端到端的调试跟踪。LangSmith可以记录每个步骤的输入输出,所需时间等调试信息。 LangSmith为调试提供了沙箱环境,可以调试LLM的响应。 LangSmith支持追踪token使用情况等高级调试功能。 LangChain正在持续改进LangSmith,提升其可扩展性,并计划推出公测版。 可观察性是LangChain一个非常重要的设计理念。
1.9K20编辑于 2024-01-10 LangChain《2024人工智能全景报告出炉》：OpenAI依旧是龙头 开源模型采用率上升
丨划重点 ① OpenAI在LangSmith用户群中继续稳居最常使用的大语言模型供应商宝座，其使用率是排名第二的Ollama的六倍以上。 LangSmith通过支持不同框架间的互操作性，满足了这一需求。 今年，JavaScript SDK在LangSmith中的使用比例达到了15.3%，与去年相比增长了三倍。 自2024年3月发布以来，LangGraph的受欢迎程度稳步增长——现在有43%的使用LangSmith平台的组织正在发送LangGraph追踪数据。 LangSmith通过加速收集和整合人类反馈至追踪和执行过程中（即执行跨度），帮助用户构建出更丰富的数据集，以便于改进和优化应用。
36920编辑于 2024-12-24- 来自专栏JavaEdge
首款AI智能体IDE：LangGraph Studio
LangGraph完全开源，提供 Python 和 Javascript 版本，与 LangChain 一起使用，也可独立使用，且与 LangSmith 无缝集成。 下载并打开 LangGraph Studio 后，系统会提示您使用 LangSmith 帐户登录。 目前所有 LangSmith 用户（包括免费账户）在测试版期间均可使用 LangGraph Studio。您可以在此注册一个 LangSmith 帐户。 下载 LangSmith 后，可打开一个目录。 参考： 文档 YouTube视频演练 https://blog.langchain.dev/langgraph-studio-the-first-agent-ide/ 注册 LangSmith，开始免费试用
1.3K10编辑于 2025-06-01 - 来自专栏山行AI
langchain中的召回增强生成（RAG）一览
我们还将看到LangSmith如何帮助我们跟踪和理解我们的应用程序。随着我们的应用程序变得越来越复杂，LangSmith将变得越来越有帮助。 注意 这里我们关注的是无结构数据的 RAG。 最好的方法是使用LangSmith[26]。请注意，LangSmith并非必需，但它非常有帮助。 请查看LangSmith[56]。 •了解如何使用LangSmith评估RAG应用程序的方法，可参考在LangSmith上评估RAG应用程序[67]。 / [27] LANGSMITH trace: [LangSmith](https://smith.langchain.com/public/1c6ca97e-445b-4d00-84b4-c7befcbc59fe
5.6K21编辑于 2023-12-12 - 来自专栏FreeBuf
AttackGen：一款基于LLM的网络安全事件响应测试工具
11、可选与LangSmith集成，以实现强大的调试、测试和模型性能监控。 12、GPT-4o 模型支持。 langchain langchain-core langchain-community langchain-google-genai langchain-mistralai langchain-openai langsmith 设置 wo'cheng如果你想使用LangSmith来调试、测试和监控模型性能，你需要设置一个LangSmith帐户然后创建一个.streamlit/secrets.toml说明，并写入你的LangChain 如果你不想使用LangSmith，仍然必须要有一个.streamlit/secrets.toml文件，但可以将其中的LANGCHAIN_API_KEY字段留空。 项目地址 AttackGen： https://github.com/mrwadams/attackgen https://github.com/mrwadams/attackgen#langsmith-setup
47510编辑于 2024-07-10 - 来自专栏从头开始学习测试开发
LangChain Agent 对话状态管理：从原理到生产落地的完整实践指南
七、调试与监控：LangSmith 的价值 LangChain 官方推出的 LangSmith 平台，可极大提升状态相关问题的排查效率。 7.1 启用 LangSmith os.environ["LANGCHAIN_TRACING_V2"] = "true" os.environ["LANGCHAIN_API_KEY"] = "your-langsmith-key 排查： 在 LangSmith 中找到该 trace； 查看 chat_history 是否包含“报告”相关内容； 若无 → 检查 Memory 是否正确写入； 若有 → 检查 Prompt 是否正确注入历史 LangSmith 还支持 A/B 测试不同 Memory 策略的效果。 八、常见陷阱与解决方案 8.1 陷阱1：Memory 未正确注入 Prompt 现象：Agent 似乎“失忆”。 参考资源： LangChain 官方文档：https://python.langchain.com/docs/modules/memory/ LangSmith：https://smith.langchain.com
62410编辑于 2026-01-08 - 来自专栏圣杰的专栏
AI 时代，.NET 开发者是向左还是向右？
生态碎片化 LangChain vs LangGraph 边界模糊 需要搭配LangSmith（商业产品）才能有完整体验 版本升级导致的破坏性变更 3. 2.5 维度5：可观测性 LangChain 1.0 需要搭配LangSmith（商业产品）： # 配置LangSmith追踪 import os os.environ["LANGCHAIN_TRACING_V2 平台 ✅ 优势： LangSmith平台功能强大 可视化追踪 自动评估 ❌ 劣势： LangSmith是商业产品，需付费 依赖外部平台 数据发送到第三方 MAF (.NET) 内置可观测性，集成.NET ) MAF 日志 ⭐⭐⭐⭐ ⭐⭐⭐⭐⭐ILogger标准 追踪 ⭐⭐⭐⭐⭐LangSmith平台 ⭐⭐⭐⭐OpenTelemetry 可视化 ⭐⭐⭐⭐⭐LangSmith UI ⭐⭐⭐需自己搭建 成本 ⭐⭐商业产品 ⭐⭐⭐⭐⭐免费 数据隐私 ⭐⭐数据上传到LangSmith ⭐⭐⭐⭐⭐数据自己掌控 企业集成 ⭐⭐⭐需额外工作 ⭐⭐⭐⭐⭐标准集成 结论： 快速上手+预算充足 → LangSmith 企业级
28110编辑于 2025-12-28 - 来自专栏langchain
2025-09-14 langchain学习-08 chain的用法
符号|langchain重载了python的or运算符“|”，使其拥有管道运算符的功能我们可以使用“|”将各个组件连接起来，实现input --->processing--->output这里补充一点，LangSmith 的用法，首先需要到langchain官网获取一个langchain的api key，将其存入代码文件同目录下的.env中，同时在其中写入“LANGCHAIN_TRACING_V2="true"”来启动LangSmith
29110编辑于 2025-09-14 - 来自专栏自然语言处理
如何用LangGraph打造Web Research多智能体系统
LangSmith带来的可观测性优势 对Exa来说，LangSmith最关键的功能是可观测性，特别是Token使用方面的监控。 “LangSmith提供的可观测性——能够理解Token的使用情况——对我们来说真的非常重要。而且它的设置也非常简单。” 通过LangGraph的协调能力和LangSmith的可观测性特性，Exa构建了一个高效可靠的系统，能处理真实客户查询并交付实际业务价值。
42700编辑于 2025-07-12 - 来自专栏AIGC大模型应用
AI Agent 终结者 LangGraph！
在图执行过程中打断执行，以批准或编辑智能体计划的下一个动作流式支持：在每个节点生成输出时进行流式传输（包括 token 流式传输）与 LangChain 集成：LangGraph 可以与 LangChain 和 LangSmith 使用搜索工具的简单智能体pip install langchain-anthropicexport ANTHROPIC_API_KEY=sk-...可选地，我们可设置 LangSmith 以获得最佳的可观测性 export LANGSMITH_TRACING=trueexport LANGSMITH_API_KEY=lsv2_sk_...from typing import Annotated, Literal
1.6K00编辑于 2024-08-10 - 来自专栏xiaosen
LangChain大模型应用开发
langSmith：一个开发平台，可以调试、测试、评估和监控基于任何 LLM 框架构建的链。 最好的方法是使用langSmith来查看。 我们在langSmith官方注册后，设置环境变量保证记录跟踪： export LANGCHAIN_TRACING_V2="true" export LANGCHAIN_API_KEY="..." happend"}) # invoke会根据提供的参数生成最终的提示 response = chat.invoke(prompt) print(response.content) 这时我们的langSmith
54421编辑于 2024-12-04 - 来自专栏DeepHub IMBA
LangGraph实战教程：构建会思考、能记忆、可人工干预的多智能体AI系统
我们将使用 LangGraph 和 LangSmith 等工具来帮助我们完成此过程。 "] ="your-langsmith-api-key" os.environ["LANGSMITH_TRACING"] ="true" # 启用 LangSmith 追踪 os.environ ["LANGSMITH_PROJECT"] ="intelligent-rag-system" # 用于组织 LangSmith 追踪的项目名称 LangSmith 对你来说可能是一个新术语。 LangSmith 的目的 当我们使用 LLM 构建 AI 智能体应用程序时，LangSmith 可以帮助你理解和改进它们。 我们将使用langsmith.Client来创建和上传此数据集： from langsmith import Client client = Client() # 定义用于评估的示例问题及其预期的最终响应
1.8K30编辑于 2025-08-20
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号