langSmith接入说明

LangSmith 是一个用于构建生产级 LLM 应用程序的平台。 它允许使用者调试、测试、评估和监控基于任何 LLM 框架构建的链和智能代理,并无缝集成 LangChain(用于构建 LLM 的首选开源框架)。

一、注册与登录

登录 https://smith.langchain.com/ 可以直接用Discord、GitHub、Google账号登录,也可以用自己邮箱注册。现在已经不需要邀请码。

二、环境配置

LangSmith的节目也有过多次改版,现在直接在初学者节目就能直接生成API Key了。

1. 生成API Key


2. 配置环境变量

如果是Linux环境就按照上图指南上来用export命令,如果是Windows PowerShell就如下:

复制代码
setx LANGSMITH_TRACING true
setx LANGCHAIN_ENDPOINT "https://api.smith.langchain.com"
setx LANGSMITH_API_KEY ******
setx LANGSMITH_PROJECT langgraph-trace
setx OPENAI_API_KEY *****

其中LANGSMITH_API_KEY 就是上一步生成的API Key, OPENAI_API_KEY 是大模型的Key, 比如千问的Key,PROJECT名字可以自己随便取。

对于workspace, 设置环境变量的LANGSMITH_PROJECT ,LangSmith控制台的Project,实际运行的PROJECT三者的区别下文会介绍。

⚠️ 注意: powershell需要重启后,配置才会生效哦。

3.运行agent,这个也可以用指南里的示范代码

4.查看langSmith trace跟踪


三、Workspace / Project / 本地 LANGCHAIN_PROJECT 这三者的关系

1. Workspace(LangSmith 上的 Workspace)

这是 LangSmith 里的"组织/空间",类似GitHub 的 organization、Notion 的 workspace。一个账号可以有多个 Workspace,API Key 是 绑定在 Workspace 下的。

2. LangSmith 上的 Project

Project 是 Workspace 里的一个逻辑分组,用来区分不同应用 / 实验 / 服务。比如你可以有:

Workspace: my-team

├─ project: langgraph-demo

├─ project: agent-weather

├─ project: llm-prod-chatbot

👉 LangSmith 页面左侧Tracing点开后,看到的 Projects 列表,就是这个。

3. 环境变量的LANGCHAIN_PROJECT(你本地设置的)

setx LANGCHAIN_PROJECT langchain_for_llm_application_development

它的含义是:

告诉 LangChain / LangGraph:

"把这次运行的 trace 归类到哪个 Project 里"

⚠️ 重要的是:

如果这个 Project 不存在

👉 LangSmith 会 自动帮你创建,不需要你提前手动建。

⚠️ 所以其实 LangSmith 上的 Project和环境变量的LANGCHAIN_PROJECT是一致的,如果你已经在LangSmith上有这个Project,那么会归类到里面,如果没有,LangSmith会帮你新建。

4、 本地代码的Project名字

LangSmith并不关心你本地代码的Project名字,你可以起任何名字。

👉 比如你本地是:D:\code\agentDemo\,LangSmith 完全不在意。

它只看:LANGCHAIN_PROJECT=xxx

👉 如果我随便写一个名字会怎样?

setx LANGCHAIN_PROJECT my_test_123

结果是:

LangSmith Workspace 下会自动出现一个新的 Project:my_test_123,所有 trace 都进这个 Project

👉 一个非常推荐的命名实践

推荐规则

LANGCHAIN_PROJECT = 应用名 / 服务名 / 实验名

例如:setx LANGCHAIN_PROJECT langgraph-chatbot

四、 注意事项

如果你是在windows上运行这个智能体,那么区分开powershell运行和pycharm运行。

  • 如果你用powershell运行,配置环境变量后,记得重启powershell使其生效,并且之后请继续在powershell里运行python脚本,例如Python ./agentDemo.py。
  • 如果你用pycharm运行,那么请在pycharm里配置环境变量。
  1. File → Settings(或按 Ctrl + Alt + S )
  2. 导航到:Build, Execution, Deployment → Console → Python Console
  3. 在 Environment variables 中添加变量
  4. 点击 OK

    同样记得重启pycharm使其生效,然后再在pycharm里点击运行脚本。

⚠️ 切记,不要用powershell设置环境变量,然后再在pycharm里运行,亲测不行。 反之亦然

相关推荐
yagami_gagami14 小时前
第四届黄河流域公安院校电子物证个人赛服务器取证
linux·服务器·网络·mysql·安全·docker·llama
不喝水的鱼儿1 天前
本地部署 260K 上下文 Qwen-3.6-35B-A3B 与 Ornith-1.0-35B 模型及 VSCode Copilot 参数调优记录
ide·vscode·语言模型·copilot·llama
(轻舟已过万重山)3 天前
第16章 主流开源模型选型:Qwen/LLaMA/GLM/Mistral 怎么选
人工智能·开源·llama
染指11103 天前
72.高级RAG-sql检索器
python·sql·mysql·llama·llamaindex·高级rag
孪生质数-5 天前
AI 应用实践篇——让大模型真正开始工作
linux·运维·服务器·人工智能·深度学习·语言模型·llama
刹那芳华19925 天前
基于 Docker 的 LLaMA-Factory 全流程部署指南
docker·容器·llama
grey_csdn9 天前
1928_llama.cpp部署Qwen 3.6-35B-A3B扩充识图功能
llama
码云骑士10 天前
78-LLaMA-Factory微调实战-零代码训练-LoRA参数配置-训练曲线解读
python·llama
寒水馨10 天前
Linux下载、安装llama.cpp-b10068(附安装包llama-b10068-bin-ubuntu-vulkan-x64.tar.gz)
linux·ubuntu·llm·llama·本地部署·llama.cpp·推理引擎
千天夜11 天前
让大模型“先想再答”:Chain-of-Thought Prompting 论文精读——CoT 为什么能激发多步推理?
人工智能·深度学习·llm·gpt-3·llama