🎯 课程主题

介绍LangSmith——LangChain生态系统中专门用于LLM应用调试、监控、评估和管理的平台，涵盖注册配置、API Key获取、环境变量设置以及基本的 Tracing 追踪使用。

📝 核心知识点

1. LangSmith 是什么

  • 概念说明：LangSmith 是 LangChain 生态系统中专门用于大模型应用调试、监控、评估和管理的平台。
  • 关键细节：提供 Tracing（追踪）、Monitoring（监控）、Datasets & Experiments（数据集与实验）、Evaluators（评估器）、Annotation Queues（标注队列）等功能。

2. 注册与获取 API Key

  • 概念说明：访问 LangSmith 官网 (smith.langchain.com) 进行注册/登录，并在 Settings 中创建 API Key。
  • 关键细节：
    • 支持 Google 账户、GitHub 账户或邮箱注册方式登录
    • 左侧边栏底部 Settings → API Keys → Create API Key
    • 创建时设置名称和过期时间（建议 Never 不过期）
    • API Key 仅显示一次，点击后无法再次查看，务必保存好

3. 环境变量配置

  • 概念说明：在项目 .env 文件中配置 LangSmith 相关环境变量，使工程中的所有运行都被 LangSmith 追踪。
  • 关键细节：
    LANGCHAIN_TRACING_V2=true      # 是否启用追踪
LANGCHAIN_ENDPOINT=https://api.smith.langchain.com  # Web UI 地址
LANGCHAIN_API_KEY=你的API_KEY   # API Key
LANGCHAIN_PROJECT=项目名称       # 项目名称，在 Web UI 中可见

4. 基本 Tracing 使用

  • 概念说明：配置好环境变量后，任何模型调用（invoke）都会被自动追踪并记录到 LangSmith 平台。
  • 关键细节：
    • 无需额外代码，配置环境变量后即自动追踪
    • 在 Web UI 中刷新即可看到追踪记录，显示输入、输出、执行时长、错误等信息
    • 模型名称（如 ChatDeepSeek、ChatOpenAI）会自动显示为 Run Name

5. config 参数增强追踪信息

  • 概念说明：在 invoke 调用时传入 config 参数，可自定义追踪显示的名称、标签和元数据。
  • 关键细节：
    • run_name：自定义每次运行的名称，在 LangSmith UI 中显示
    • tags：为运行打标签，便于分类和筛选
    • metadata：附加元数据（如 user_id、session_id），在 trace 详情中可见
    • 在 Thread 视图下可按 session_id 筛选同一会话的多次交互

🏗️ 架构与工作流

LangSmith 集成流程：
┌─────────────┐     ┌──────────────┐     ┌──────────────┐
│  .env 配置   │ ──→ │  Python 代码  │ ──→ │ LangSmith UI │
│  API Key     │     │  model.invoke │     │  Tracing     │
│  Project     │     │  (自动追踪)    │     │  监控面板     │
└─────────────┘     └──────────────┘     └──────────────┘

💻 代码实战

# ===== 环境变量配置（.env 文件）=====
# LANGCHAIN_TRACING_V2=true
# LANGCHAIN_ENDPOINT=https://api.smith.langchain.com
# LANGCHAIN_API_KEY=lsv2_pt_xxxxx
# LANGCHAIN_PROJECT=LangChain-1.2-Tutorial

# ===== 举例1：基本 Tracing =====
from langchain_deepseek import ChatDeepSeek

model = ChatDeepSeek(model="deepseek-chat")
response = model.invoke("你好，介绍一下LangChain")
print(response.content)
# 执行后刷新 LangSmith UI 即可看到追踪记录

# ===== 举例2：使用 init_chat_model =====
from langchain.chat_models import init_chat_model

model = init_chat_model(
    model="gpt-4o-mini",
    model_provider="openai"
)
response = model.invoke("什么是LangSmith？")
print(response.content)

# ===== 举例3：config 参数自定义追踪信息 =====
response = model.invoke(
    "请用一句话介绍Python",
    config={
        "run_name": "Python介绍-测试",
        "tags": ["test", "intro", "python"],
        "metadata": {
            "user_id": "user_001",
            "session_id": "sess_2024_001"
        }
    }
)
print(response.content)
# 在 LangSmith UI 中：
# - run_name 显示为 "Python介绍-测试"
# - tags 显示为 ["test", "intro", "python"]
# - metadata 中的 user_id 和 session_id 在详情中可见

⚠️ 常见问题与避坑指南

  • API Key 生成后仅在创建时显示一次，务必即时复制保存，否则需重新生成
  • 项目名称通过 LANGCHAIN_PROJECT 环境变量指定，不同工程建议使用不同项目名便于区分
  • 追踪信息不是实时显示，可能需要手动刷新页面
  • 未指定 run_name 时，默认使用模型类名（如 ChatDeepSeek）作为 Run Name

💡 个人总结与延伸

LangSmith 的核心价值在于零代码侵入的自动追踪：配置好环境变量后，所有模型调用自动记录。config 参数中的 run_name、tags 和 metadata 是提升追踪可读性和可检索性的关键工具，建议在项目中养成规范命名的习惯。LangSmith 的 Tracing 是后续章节学习复杂链式调用（Chain）、RAG 和 Agent 调试的基础设施，是 LangChain 生态中不可或缺的工具。

最近更新:
Contributors: yangwenguang