使用 LangSmith 开始

LangSmith 是一个用于构建生产级 LLM 应用的平台。 它允许您密切监控和评估您的应用，从而能够快速且自信地发布产品。

可观测性

在 LangSmith 中分析追踪，并基于这些追踪配置指标、仪表板和警报。

评估

评估您的应用程序在生产流量上的表现——对应用性能进行评分，并从您的数据中获取人类反馈。

提示工程

迭代优化提示词，具备自动版本控制和协作功能。

LangSmith + LangChain 开源软件

LangSmith 与框架无关——它可以在使用或不使用 LangChain 的开源框架 langchain 和 langgraph 的情况下使用。

如果您正在使用其中任意一个，您可以通过设置单个环境变量来启用 LangSmith 追踪。 更多详情请参见 使用 LangChain 设置 LangSmith 的指南，或 使用 LangGraph 设置 LangSmith 的指南。

可观测性

可观测性对于任何软件应用都至关重要，但对于大语言模型（LLM）应用而言尤其重要。LLM 本质上是非确定性的，意味着它们可能产生意想不到的结果。这使得它们的调试比常规应用更加复杂。

这就是 LangSmith 可以帮到你的地方！LangSmith 提供原生的 LLM 可观测性，让你能够从应用中获取有意义的洞察。LangSmith 的可观测性功能覆盖了应用开发的所有阶段——从原型设计、到 Beta 测试、再到生产环境。

• 通过向您的应用程序添加追踪开始使用。
• 创建仪表板 以查看关键指标，如每秒请求数（RPS）、错误率和成本。

评估

AI 应用的质量和开发速度取决于高质量的评价数据集和指标，用于测试和优化您的应用。LangSmith SDK 和 UI 使得构建和运行高质量评价变得简单。

• 开始通过 创建您的第一个评估。
• 使用我们的现成评估器作为起点，快速评估您应用程序的性能。
• 分析 LangSmith UI 中的评估结果，并在 比较 随时间变化的结果。
• 轻松收集您对数据的人类反馈，以改进您的应用程序。

提示工程

虽然传统软件应用程序是通过编写代码构建的，但 AI 应用程序涉及编写提示（prompts）来指导大语言模型（LLM）执行操作。LangSmith 提供了一套工具，旨在赋能并促进提示工程，帮助您为您的应用找到最完美的提示。

• 通过 创建您的第一个提示 开始使用。
• 使用 Playground 迭代模型和提示词。
• 以编程方式管理提示 在你的应用程序中。