使用langsmith调试fay的prompt

使用langsmith调试fay的prompt

• 课程ID：langsmith-course
• 作者：郭泽斌
• 版本：1.0.0
• 章节数：6

目录

1. 配置langsmith
2. 创建key
3. 添加环境变量
4. 安装langsmith库
5. tracking prompt
6. fay的llm请求

第1节 配置langsmith

讲稿

访问网站https://smith.langchain.com/ 并注册登录

代码/文案

访问网站https://smith.langchain.com/ 并注册登录

第2节 创建key

讲稿

登录后点击左下角的Setting，再进入API Keys栏目，再创建一个Key.

第3节 添加环境变量

讲稿

在系统上添加如图4个环境变量，这里key就是上一步保存下来的，project自由填写，待会自动创建的。

第4节 安装langsmith库

讲稿

请在启动fay的python环境里执行如下命令安装langsmith库

代码/文案

pip install langsmith

第5节 tracking prompt

讲稿

此时重启命令终端，再重新启动fay，就可以在平台的Tracking栏目监测到向llm发送的每条消息，也可以看到llm返回的消息。

第6节 fay的llm请求

讲稿

耐心观察，可以看到fay向llm的请求有5情况，分别是： 1.langGraph，这类型是存在可用的mcp工具时，会由llm决定是否调用工具； 2.没有可用mcp工具时的聊天，表现为ChatOpenAI； 3.通过fay向下游提供直链的llm服务，表现为ChatOpenAI，与第2点的区别是没有组合人设、记忆等上下文； 4.用户画象分析，表现为ChatOpenAI，每天执行一次； 5.行为反思，表现为ChatOpenAI，每表执行一次。

代码/文案

耐心观察，可以看到fay向llm的请求有5情况，分别是：
1.langGraph，这类型是存在可用的mcp工具时，会由llm决定是否调用工具；
2.没有可用mcp工具时的聊天，表现为ChatOpenAI；
3.通过fay向下游提供直链的llm服务，表现为ChatOpenAI，与第2点的区别是没有组合人设、记忆等上下文；
4.用户画象分析，表现为ChatOpenAI，每天执行一次；
5.行为反思，表现为ChatOpenAI，每天执行一次。