1. 为什么需要 LangSmith？

随着 LLM 应用逐渐从 Demo 阶段进入生产环境，开发者会遇到越来越多的问题：

例如：

• 为什么模型回答错误？
• 是 Prompt 设计的问题吗？
• 是知识库检索到了错误内容？
• 是模型本身能力不足？
• Agent 是否调用了错误的工具？
• 为什么 Token 消耗突然增加？
• 哪一个步骤导致了请求变慢？

传统应用通常可以通过日志、链路追踪等方式定位问题，但是 LLM 应用存在大量动态行为：

• Prompt 会影响模型输出
• 检索内容会影响最终答案
• Agent 会根据上下文选择不同工具
• 同一个输入可能产生不同结果

因此，LLM 应用需要一种新的可观测能力：

LLM Observability（大模型可观测性）

它能够帮助开发者了解一次请求完整的执行过程，并分析：

• 输入是什么
• 模型为什么这样回答
• 中间步骤发生了什么
• 消耗了多少 Token
• 哪一步产生了问题

2. LangSmith 是什么？

LangChain 官方推出了 LangSmith，一个专门面向 LLM 应用的开发与生产管理平台。

LangSmith 主要用于：

• Tracing（链路追踪）
• Debugging（调试）
• Evaluation（评估）
• Monitoring（生产监控）

简单来说：

LangSmith 就像 LLM 应用领域的 APM 平台，可以帮助开发者观察、调试和优化 Agent 应用。

3. LangSmith 核心能力

3.1 Trace 链路追踪

这是 LangSmith 最核心功能。

一次 Agent 请求：

用户请求 | Agent | +-- 思考 | +-- 查询数据库 | +-- 调用API | +-- 返回答案

LangSmith 会记录完整执行链。如果最终回答错误，可以通过 Trace 快速定位：开发者可以看到：

• 模型输入
• 模型输出
• Prompt是什么
• Token 消耗 多少
• 延迟 时间
• 中间的步骤
• Tool调用结果如何

开始体验

在官网注册账号并登陆：https://smith.langchain.com/

创建一个API Key

保存 API Key，后续项目中需要使用。

测试代码

创建 Python 项目，并安装依赖：

pip install -U langchain # langchain和openai整合包 pip install -U langchain-openai # langchain和deepseek的整合包 pip install -U langchain-deepseek # 读取.env 文件，并将其加载到系统的环境变量（os.environ）中。 pip install -U python-dotenv

项目根目录创建.env文件：

# deepseek的apikey DEEPSEEK_API_KEY=sk-xxxxxxxxx DEEPSEEK_BASE_URL=https://api.deepseek.com #langchain-core已经依赖了langsmith #是否启用TRACING LANGSMITH_TRACING=true #langsmith的地址 LANGSMITH_ENDPOINT=https://api.smith.langchain.com LANGSMITH_API_KEY=xxxxx #自己取一个项目名字 LANGSMITH_PROJECT=langsmith-demo

测试代码如下

importosfromdotenvimportload_dotenvfromlangchain.chat_modelsimportinit_chat_model# 将.env文件中的变量加载为环境变量load_dotenv(override=True)DEEPSEEK_API_KEY=os.getenv("DEEPSEEK_API_KEY")DEEPSEEK_BASE_URL=os.getenv("DEEPSEEK_BASE_URL")# 初始化聊天模型model=init_chat_model(model="deepseek-v4-flash",model_provider="deepseek",api_key=DEEPSEEK_API_KEY,base_url=DEEPSEEK_BASE_URL)# 调用一次模型print(model.invoke("你好"))

查看Tracing链接追踪

点击Tracing

查看链路详情

3.2 Monitoring：生产监控

Tracing 主要用于查看单次请求。而 Monitoring 更关注线上整体运行情况。可以用来查看运行报表，此处提供了大量指标的报表用于分析查看

3.3. Evaluation：为什么需要评估？

LLM 最大问题：同一个输入：可能产生不同输出。

如果全都需要人工进行测试，那就成本比较高了，所以我们需要自动评估。

LangSmith Evaluation 基本模型如下：

1. Dataset | | 2.Target Application | | 3.Evaluator | | 4. Score

使用测试数据运行 Agent，再通过 Evaluator 对结果进行评分。

有这几个核心概念需要理解：

• Dataset 是测试样本
• Target 是被测试 Agent
• Evaluator 是评分器
• Judge Model 是评审模型

3.4. Dataset 数据集

评估首先需要测试数据。我们先简单准备一下

例如客服 Agent：

新增数据集

按照要求导入CSV或者JSONL文件

测试代码

importosfromdotenvimportload_dotenvfromlangchain.chat_modelsimportinit_chat_modelfromlangsmithimportClient# 将.env文件中的变量加载为环境变量load_dotenv(override=True)DEEPSEEK_API_KEY=os.getenv("DEEPSEEK_API_KEY")DEEPSEEK_BASE_URL=os.getenv("DEEPSEEK_BASE_URL")# 1. 初始化聊天模型model=init_chat_model(model="deepseek-v4-flash",model_provider="deepseek",api_key=DEEPSEEK_API_KEY,base_url=DEEPSEEK_BASE_URL)# 2. 定义了一个高级agentdefmy_agent(user_input):result=model.invoke(user_input)returnresult.content# 3.用来测试my_agentdeftarget(inputs):print(inputs)returnmy_agent(inputs["inputs_1"])# 4. 用于评估的模型judge_model=init_chat_model(model="deepseek-v4-flash",model_provider="deepseek",api_key=DEEPSEEK_API_KEY,base_url=DEEPSEEK_BASE_URL)# 5. 定义一个评估器defcorrectness_evaluator(run,example):""" run: 被测试Agent的输出 example: Dataset中的标准答案 """question=example.inputs["inputs_1"]expected=example.outputs["outputs_1"]actual=run.outputs["output"]prompt=f""" 你是一个专业评测员。 判断AI回答是否正确。 问题:{question}标准答案:{expected}AI回答:{actual}请输出0-1之间的分数。 只返回数字。 """result=judge_model.invoke(prompt)score=float(result.content)return{"key":"correctness","score":score}# 进行测试client=Client()experiment_results=client.evaluate(target,data="客服话术",evaluators=[correctness_evaluator])foriteminexperiment_results._results:evaluation_results=item["evaluation_results"]["results"]forresultinevaluation_results:print(f"评估项:{result.key}, 分数:{result.score}")

执行成功后多了一个evaluators

可以查看模型评估结果

3.5 Evaluators

除了通过代码定义 Evaluator 外，LangSmith 还支持在后台创建评估器。

这种方式适用于：

• 不希望每次修改评估规则都重新发布代码；
• 让测试人员或业务人员参与评估规则配置；
• 快速调整评分标准。

下面我们创建一个后台 Evaluator。

进入 LangSmith 控制台，选择Evaluators，新增一个评估器。

简单配置一下evaluator

完成配置后，一个评估器就创建完成。

接下来运行一次模型调用：

print(model.invoke("你好"))

LangSmith 会自动捕获此次调用，并使用配置好的 Evaluator 进行评分。

最终可以在 Evaluation 页面查看评估结果。

4.关于LangSmith的费用

https://smith.langchain.com/o/b2f09aa3-1cce-4790-b756-cf34729b3822/settings/payments

当然LangSmith不是完全免费的。根据官网的的 Plans and pricing（套餐价格），主要分为Developer Free（免费版）、Plus（团队版）、Enterprise（企业版）。

其收费标准整理如下：

5.总结

通过本文可以看到，LangSmith 主要解决了 LLM 应用开发中的三个问题：

Tracing（链路追踪）

帮助开发者查看一次请求完整的执行过程，包括 Prompt、模型输出、Token 消耗、Tool 调用以及每一步的耗时。

Evaluation（效果评估）

通过 Dataset 和 Evaluator，对 Agent 的输出进行自动化评估，帮助我们判断 Prompt 优化、模型更换或者流程调整后，效果是否真正提升。

Monitoring（生产监控）

帮助开发者观察线上 LLM 应用运行情况，包括请求量、延迟、错误以及资源消耗。

简单来说：

LangSmith 就像传统应用中的 APM 平台，只不过它面向的是 LLM 应用。