LangChain 03 - LangSmith 学习导航与实战
LangChain 03 - LangSmith 学习导航与实战
目标：这一章不是学“怎么多调一次模型”，而是学“当链路变复杂以后，怎么知道它到底做了什么”。
模块 1：你只需要记住这些
1. LangSmith 是干什么的
LangSmith 是 LangChain 生态里的“观测层”。
它主要解决的不是“模型会不会回答”，而是：
- 这次调用到底走了哪些步骤
- 每一步输入输出是什么
- 哪一步耗时最长
- 出错时到底卡在哪
所以它更像 AI 应用里的：
- 调试台
- 调用链追踪工具
- 评测与排障平台
理解口诀：
LangChain 负责调用，LangSmith 负责看见调用。
LangSmith和LangChain深度集成，它是追踪tracing和观测observability平台。
当一个 API key 绑定了多个 workspace 时，才需要设置 LANGSMITH_WORKSPACE_ID
2. 为什么 AI 应用不能只靠 print
在第 2 章里，只有一次模型调用时，print(response.content) 还够用。
但后面一旦进入这些场景：
- 有 system / user / tool 多种消息
- 有 Prompt 模板
- 有多个步骤串联
- 有工具调用
- 有 Agent 自主决策
你就会发现 print 很快不够用，因为它只能看到局部，不能看到完整链路。
LangSmith 的价值就在这里：
- 自动记录一次运行的全链路
- 按 run 查看每一步输入输出
- 帮你定位“模型问题”还是“流程问题”
这一章结束后，你应该能自己回答
1、什么是 LangSmith？
LangSmith 是 LangChain 生态里的观测、调试和评测平台，用来追踪一次 LLM 应用运行的完整链路，帮助我们看清每一步输入输出、耗时和报错位置。
2、为什么说 LangSmith 解决的是“可观测性”问题？
因为 AI 应用一旦涉及多步骤流程、Prompt 模板、工具调用或 Agent，问题往往不在最终答案本身，而在中间某一步。LangSmith 能把这些中间过程记录下来，所以它解决的是“看不见过程”的问题。
3、为什么第三章现在学，而不是等 Agent 章节再学？
因为越到后面流程越复杂，如果没有 tracing，你会很难判断问题出在 Prompt、模型、工具还是流程编排。现在学 LangSmith，相当于先把排障工具装好，后面学习效率会高很多。
4、run中attributes
分类：
1）模型身份信息
2）模型配置参数
3）运行结构信息
小测试
1. LangSmith 最核心的定位是什么？
AI 应用的观测、追踪、调试与评测平台。
2. 为什么单步调用时不容易感觉到 LangSmith 的价值？
因为单步调用用 print 也能看到最终结果，但流程一复杂，就看不到中间步骤、输入输出和耗时了，这时 LangSmith 的价值才会非常明显。
3. 打开 LangSmith tracing 后，你最想先看什么？
优先看一次 run 的输入、输出、耗时和中间步骤。因为这四项最能帮你快速判断问题是在模型回答、Prompt、工具调用还是流程编排。
4. 如果本地代码能跑通，但 LangSmith 平台没有 run，优先排查什么？
优先排查：
LANGSMITH_API_KEY是否配置正确LANGSMITH_TRACING是否开启- 项目名是否配置
- 环境变量是否真的被
load_dotenv()加载到了
