当前位置：首页 > news >正文

LangSmith 自动追踪 (Tracing) 实战指南

news 2026/8/16 17:59:17

本文档介绍如何利用LangChain的环境变量机制，实现零代码侵入的 LangSmith 自动追踪。

1. 核心原理

LangChain 框架内置了对 LangSmith 的支持。你不需要在代码里显式初始化 Client 或写日志，只需设置一个环境变量开关：

LANGCHAIN_TRACING_V2=true

只要这个开关打开，你的所有 Chain、LLM、Retriever 的运行细节都会被自动发送到 LangSmith 云端。

2. 环境配置

确保你的.env文件包含以下核心配置：

# 1. 总开关 (必须 true) LANGCHAIN_TRACING_V2=true # 2. 身份认证 (你的 Key) LANGCHAIN_API_KEY="ls__xxxxxx" # 3. 区域端点 (如果你是 EU 账号，必须加这行；US 账号不用加) # LANGCHAIN_ENDPOINT="https://eu.api.smith.langchain.com" # 4. 项目名称 (可选，如果不填，默认存入 "default" 项目) # LANGCHAIN_PROJECT="Mydemo"

3. 实战演示

我们已经准备好了一个测试脚本：src/examples/trace_demo.py。

代码一览

这个脚本非常简单，就是一个普通的 LangChain 对话链，没有任何与 LangSmith 相关的代码。

importsrc.configs.configfromlangchain_openaiimportChatOpenAIfromlangchain_core.promptsimportChatPromptTemplatefromlangchain_core.output_parsersimportStrOutputParserfromsrc.llm.gemini_chat_modelimportget_gemini_llm# 1. 确保环境变量已加载 (.env)# 必须包含:# LANGCHAIN_TRACING_V2=true# LANGCHAIN_API_KEY=...# 2. 定义一个简单的链prompt=ChatPromptTemplate.from_template("请用{language}写一首关于{topic}的四行诗。")model=get_gemini_llm()parser=StrOutputParser()chain=prompt|model|parser# 3. 运行链# 这次运行会自动被 LangSmith 记录，因为环境变量开关已打开print("正在生成诗歌...")response=chain.invoke({"language":"中文","topic":"人工智能"})print("\n=== 生成结果 ===")print(response)print("==================")print("请去 LangSmith 控制台查看本次运行的 Trace 详情。")

运行脚本

在终端执行：

python src/examples/trace_demo.py

4. 如何查看 Trace Report (追踪报告)

脚本运行结束后，请按照以下步骤查看“上帝视角”的运行记录：

登录控制台：访问 LangSmith (EU) 或 LangSmith (US)。
进入项目：
- 在左侧侧边栏，点击Projects (项目)图标。
- 点击列表中的“default”(如果你没设置LANGCHAIN_PROJECT变量)。
查看 Trace：
- 你会看到列表中最新出现的一行记录，Name 列通常显示为RunnableSequence或ChatOpenAI。
- 点击这行记录。
深度透视：
- 在右侧弹出的详情页中，你可以看到完整的调用链路树。
- Prompt: 点击ChatPromptTemplate节点，查看填入变量后的完整提示词。
- LLM: 点击ChatOpenAI节点，查看发给 API 的原始 Payload 和 Token 消耗。
- Output: 查看最终输出结果和耗时。