langsmith

救救孩子把

AI面试八股文-23_23-Agent可观测性与生产监控面试题pdf版下载链：https://pan.quark.cn/s/9cc742e9c2a8难度： ⭐⭐⭐⭐ 更新： 2026-10-12 考点： LangSmith、Arize Phoenix、OpenTelemetry、Prometheus、可观测性架构、指标设计、成本监控

【随笔】LLM裁判如何打分：先写评分标准，再用人工案例校准上一篇用固定案例核对Agent调用的工具名称和参数。继续往下看，工具调用正确，并不代表回答已经解决用户的问题。

for_ever_love__

LangChain 效果评测：没有评测，优化就是在瞎调改了切分参数，感觉"好像好了一点"；换了 embedding 模型，觉得"似乎更准了"。这些"感觉"是不可靠的，而且每一次改动都可能悄悄让另一类问题变差。

大连好光景

LangChain的核心架构

LangSmith学习总结LangSmith 是 LangChain 官方的可观测/调试平台（网页版）。LangSmith是一个用于构建生产级LLM应用程序的平台，它提供了调试、测试、评估和监控基于任何LLM框架构建的链和智能代理的功能，并能与LangChain无缝集成。

二进制_博客

LangSmith 调试在简单案例中，我们通常只看终端输出：但真实项目出问题时，只看最终输出远远不够。例如：你需要知道：LangSmith 就是用来观察、调试和评估大模型应用的平台。

03 langsmith初试LangSmith Web 界面目前不支持切换为中文LangSmith 官方 SaaS 版（smith.langchain.com）在国内访问有困难。服务器部署在海外，普通直连网络环境下经常遇到连接超时/不稳定，通常需要代理才能正常使用。并且 LangChain 官方没有提供中国区本地化部署的 SaaS 版本。

工业级大模型学习之路026：LangGraph 入门与基础 Agent 开发经过前边的学习，我们已经搭建了工业级 RAG 系统，但它本质上是一个被动的信息检索与生成系统，存在三个无法突破的边界：

06_系统架构设计配套视频教程： 👉《智能体微服务架构企业级实战教程》共72节更多文章专栏内容： 👉《智能体微服务架构企业级实战教程》专栏

使用 LangSmith 专业调试 AI Agent：追踪、评估与问题定位在前一篇《LangGraph 与 ReAct Agent 调试技巧》中，我们已经讲过：这些方法已经足够帮你排掉 80% 的问题。

第十章：RAG知识库开发之【LangSmith 从入门到精通：构建生产级 LLM 应用的全链路可观测性平台】目录前言一、LangSmith 概念详解1.1 什么是 LangSmith？1.2 LangSmith 与 LangChain 的关系

【LangGraph Server】 LangGraph Server是什么？LangGraph Server 是一个专门用来部署和运行 AI 智能体的服务。简单说，你写了一个能对话、能调用工具的 AI 应用（比如客服机器人），用 LangGraph Server 就能一键把它变成一个真正的 API 服务，可以通过 HTTP 请求来调用它。LangGraph server还包含了LangSmith，它可以把流程图可视化，能够方便的追踪运行情况、运行指标和日志等。基于LangGraph框架。并且支持热重载，在server启动的情况下，修改代码保存后就能够在网页上面直接看出来。

03_《智能体微服务架构企业级实战教程》能学到什么本课程以旅游出行攻略智能助手为实战项目，系统讲解基于FastMCP、LangGraph、DeepSeek大模型与微服务架构构建生产级智能体系统的完整流程。课程覆盖架构设计、模块开发至容器化部署，融入日志、链路追踪、认证、重试降级等企业级实践，由资深架构师主讲，代码源自真实项目，助力学员掌握可落地的智能体微服务开发能力。

云和数据.ChenGuang

PromptTemplate和ChatPromptTemplate的区别是什么呢？我用最简单、最直白、一看就懂的方式给你讲清楚： PromptTemplate 和 ChatPromptTemplate 的真正区别

云和数据.ChenGuang

langchain安装过程中的故障bug你之前装了旧版 langchain-community 0.3.0，它只支持 langchain 0.3.x，但你现在装了最新的 langchain 1.2.13，版本不兼容，所以报错。

Java后端的Ai之路

LangSmith与Prompt Ops：从概念到实践的全面指南随着大语言模型（LLM）应用的爆发式增长，如何高效地开发、调试、监控和迭代基于提示词（Prompt）的应用成为开发者和团队关注的核心。LangSmith和Prompt Ops正是这一领域的两个关键概念。本文将从“是什么？为什么要用？如何用？”三个维度，分别用专业解释和大白话+生活案例的方式，带你全面理解它们。

╭⌒若隐_RowYet——大数据

AI Agent开发实战QuickStart考虑到目前的个人计算机都是CPU为主的机器，如果你是和笔者一样囊中羞涩却又执着于AI Agent，本地部署Ollama加载一个小模型是经济实惠的选择，并不影响你对大模型的掌握和学习，毕竟学习的目的重在通过一片落叶而看到整个秋天，而不是没有见过汪洋，就以为江河最大；

yubin1277408629

langgraph调用mcp，langsmith调试一份示例代码，使用langgraph构建一个简单的graph，模型加载mcp工具，使用langsmith查看效果

【Agent】DeerFlow Researcher：系统架构与执行流程（基于真实 Trace 深度解析）本文档基于 researcher 阶段 Trace（包括 continue_to_running_research_team_trace.json、research_team_trace.json、reporter_trace.json、reporter_chatOpenAI_trace.json），系统分析 DeerFlow 在 research 执行阶段的架构、消息编排、工具链与调度闭环，并结合实际耗时/令牌特征提出优化建议。面向工程实现与运维调优读者。