LangSmith 入门

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。

可观测性

在 LangSmith 中分析跟踪，并基于此配置指标、仪表板和警报。

评估

根据生产流量评估您的应用程序 — 衡量应用程序性能并获取您数据的人工反馈。

提示工程

迭代提示，并支持自动版本控制和协作功能。

LangSmith + LangChain 开源版

LangSmith 是与框架无关的 — 它可以与 LangChain 的开源框架 langchain 和 langgraph 一起使用，也可以单独使用。

如果您正在使用其中任何一个，您可以通过一个环境变量启用 LangSmith 跟踪。更多信息请参阅使用 LangChain 设置 LangSmith 或 使用 LangGraph 设置 LangSmith 的操作指南。

可观测性

可观测性对于任何软件应用程序都至关重要，尤其是对于 LLM 应用程序。LLM 本身是非确定性的，这意味着它们可能会产生意想不到的结果。这使得它们比一般的应用程序更难调试。

这正是 LangSmith 可以提供帮助的地方！LangSmith 拥有 LLM 原生的可观测性，让您能够从应用程序中获得有意义的洞察。LangSmith 的可观测性功能涵盖了应用程序开发的所有阶段——从原型设计、内测到生产。

• 首先，为您的应用程序添加跟踪。
• 创建仪表板以查看 RPS、错误率和成本等关键指标。

评估

AI 应用程序的质量和开发速度取决于高质量的评估数据集和指标，以便对应用程序进行测试和优化。LangSmith SDK 和 UI 使构建和运行高质量评估变得容易。

• 首先，创建您的第一个评估。
• 使用我们现成的评估器作为起点，快速评估您的应用程序性能。
• 在 LangSmith UI 中分析评估结果，并比较随时间变化的结果。
• 轻松收集关于您数据的人工反馈，以改进您的应用程序。

提示工程

传统软件应用程序通过编写代码来构建，而 AI 应用程序则涉及编写提示来指导 LLM 执行操作。LangSmith 提供了一套工具，旨在支持和促进提示工程，帮助您为应用程序找到完美的提示。

• 首先，创建您的第一个提示。
• 使用操场（Playground）迭代模型和提示。
• 在您的应用程序中以编程方式管理提示。