如何对数据集进行版本控制

在 LangSmith 中，数据集是版本化的。这意味着每次您在数据集中添加、更新或删除示例时，都会创建数据集的新版本。

创建数据集的新版本

任何时候您在数据集中添加、更新或删除示例，都会创建数据集的新版本。这使您可以跟踪数据集随时间的变化，并了解数据集是如何演变的。

默认情况下，版本由更改的时间戳定义。当您在“示例”选项卡中单击数据集的特定版本（按时间戳）时，您可以看到该时间点数据集的状态。

请注意，当查看数据集的过去版本时，示例是只读的。您还将看到此数据集版本和数据集“最新”版本之间的操作。此外，默认情况下，“示例”选项卡中显示数据集的最新版本，而 “测试”选项卡中显示所有版本的实验。

在“测试”选项卡中，您可以看到在不同版本的数据集上运行的测试结果。

标记版本

您还可以标记数据集的版本，以便为它们提供更易于理解的名称。这对于标记数据集历史中的重要里程碑非常有用。

例如，您可以将数据集的某个版本标记为“prod”，并使用它对您的 LLM 管道运行测试。

可以在 UI 中完成标记，方法是在“示例”选项卡中单击“+ 标记此版本”。

您还可以使用 SDK 标记数据集的版本。以下是如何使用 Python SDK 标记数据集版本的示例

from langsmith import Client
from  datetime import datetime

client = Client()

initial_time = datetime(2024, 1, 1, 0, 0, 0) # The timestamp of the version you want to tag

# You can tag a specific dataset version with a semantic name, like "prod"
client.update_dataset_tag(
    dataset_name=toxic_dataset_name, as_of=initial_time, tag="prod"
)

要在数据集的特定标记版本上运行评估，您可以按照本指南进行操作。