开始使用 LangSmith

LangSmith 是一个用于构建生产级大语言模型应用的平台。 它允许您密切监控和评估您的应用程序，从而快速且有信心地发布。

可观测性

在 LangSmith 中分析追踪数据，并基于这些数据配置指标、仪表板和警报。

评估

在生产流量上评估您的应用程序——评分应用程序性能，并获取关于您数据的人类反馈。

提示工程

在提示词上进行迭代，具备自动版本控制和协作功能。

LangSmith + LangChain 开源版

LangSmith 是框架无关的 —— 它可以与 LangChain 的开源框架一起使用，也可以不使用 langchain 和 langgraph。

如果您正在使用其中任一工具，只需设置一个环境变量即可启用 LangSmith 跟踪。 更多详情，请参阅 将 LangSmith 与 LangChain 集成的指南 或 将 LangSmith 与 LangGraph 集成的指南。

可观测性

可观测性对于任何软件应用都很重要，但对于大型语言模型（LLM）应用尤其如此。由于大型语言模型本质上具有非确定性，这意味着它们可能产生意外的结果，这使得它们的调试比普通程序更加困难。

这就是 LangSmith 可以提供帮助的地方！LangSmith 具备原生支持大型语言模型的可观测性，能够让你从应用中获得有意义的洞察。LangSmith 的可观测性功能可覆盖应用开发的各个阶段——从原型设计、测试版测试到生产环境部署。

• 通过 添加追踪 开始您的应用。
• 创建仪表板 以查看RPS、错误率和成本等关键指标。

评估

AI应用的质量和开发速度取决于高质量的评估数据集和指标，以测试和优化您的应用。LangSmith SDK 和 UI 让构建和运行高质量评估变得轻松便捷。

• 通过 创建您的第一个评估 开始使用。
• 使用我们现成的评估工具作为起点，快速评估您的应用程序性能。
• 在 LangSmith UI 中分析评估结果，并 随时间对比结果。
• 轻松收集用户对数据的反馈，以改进您的应用程序。

提示工程

虽然传统软件应用是通过编写代码构建的，但人工智能应用则涉及编写提示（prompts），以指导大型语言模型（LLM）执行特定任务。LangSmith 提供了一套工具，旨在帮助和促进提示工程，助您为应用程序找到最理想的提示。

• 通过 创建您的第一个提示 开始使用。
• 使用 实验场 迭代模型和提示。
• 在您的应用程序中以编程方式管理提示。