HoRain云小助手个人主页 个人专栏: 《Linux 系列教程》《c语言教程》⛺️生活的理想就是为了理想的生活!⛳️ 推荐前些天发现了一个超棒的服务器购买网站性价比超高大内存超划算忍不住分享一下给大家。点击跳转到网站。专栏介绍专栏名称专栏介绍《C语言》本专栏主要撰写C干货内容和编程技巧让大家从底层了解C把更多的知识由抽象到简单通俗易懂。《网络协议》本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘一起解密网络协议在运行中协议的基本运行机制《docker容器精解篇》全面深入解析 docker 容器从基础到进阶涵盖原理、操作、实践案例助您精通 docker。《linux系列》本专栏主要撰写Linux干货内容从基础到进阶知识由抽象到简单通俗易懂帮你从新手小白到扫地僧。《python 系列》本专栏着重撰写Python相关的干货内容与编程技巧助力大家从底层去认识Python将更多复杂的知识由抽象转化为简单易懂的内容。《试题库》本专栏主要是发布一些考试和练习题库涵盖软考、HCIE、HRCE、CCNA等目录⛳️ 推荐专栏介绍LangSmith 是什么快速开始注册与安装实例自动追踪实例查看追踪记录手动创建追踪实例常用配置LangSmith 是 LangChain 官方的可观测性平台帮助你追踪 Agent 执行过程、监控性能、调试问题。LangSmith 是什么当 Agent 在后台运行时你看不到它内部发生了什么——调用了哪些模型、执行了哪些工具、每一步消耗了多少 Token。LangSmith 解决了这个黑盒问题。功能说明执行追踪记录 Agent 每一步的执行轨迹性能监控统计每次调用的耗时和 Token 消耗调试回放查看历史执行的详细信息评估测试创建测试集评估 Agent 表现快速开始注册与安装$ pip install langsmith在 smith.langchain.com 注册账号获取 API Key然后在 .env 中配置实例# .env 文件LANGCHAIN_TRACING_V2trueLANGCHAIN_API_KEYlsv2_pt_your_key_hereLANGCHAIN_PROJECTmy-agent-project自动追踪实例from dotenv import load_dotenvload_dotenv() # LangSmith 配置会自动加载from langchain.agents import create_agentfrom langchain.chat_models import init_chat_modelfrom langchain.messages import HumanMessagefrom langchain.tools import tool# 设置环境变量后所有 Agent 执行都会自动追踪# 无需额外代码tooldef search_course(keyword: str) - str:搜索课程return f搜索结果{keyword} 相关课程model init_chat_model(deepseek:deepseek-v4-flash, temperature0)agent create_agent(modelmodel,tools[search_course],system_prompt你是菜鸟教程 RUNOOB 的助手。,)# 这次执行会被自动记录到 LangSmithresult agent.invoke({messages: [HumanMessage(content搜索 Python 课程)]})# 打开 https://smith.langchain.com 查看追踪记录print(已完成请到 LangSmith 控制台查看追踪详情)查看追踪记录在 LangSmith 控制台中你可以看到每次 Agent 执行的完整轨迹执行时间线模型调用 → 工具调用 → 模型再调用的完整时间线输入/输出每一步的输入消息和模型返回结果Token 用量每次模型调用的 Token 消耗和费用估算延迟分析每一步的耗时分布错误信息如果某步出错可以看到完整的错误堆栈手动创建追踪实例from langsmith import traceable# 使用 traceable 装饰器标记需要追踪的函数traceabledef process_user_query(query: str) - dict:处理用户查询此函数会被单独追踪# 预处理cleaned query.strip().lower()# 调用 Agentresult agent.invoke({messages: [HumanMessage(contentcleaned)]})return {query: cleaned,answer: result[messages][-1].content,}# 在 LangSmith 中会看到 process_user_query 作为一个独立步骤result process_user_query( Python 课程推荐 )print(result[answer])常用配置环境变量说明示例LANGCHAIN_TRACING_V2启用追踪必须设为 truetrueLANGCHAIN_API_KEYLangSmith API Keylsv2_pt_xxxLANGCHAIN_PROJECT项目名称用于分组追踪my-agentLANGCHAIN_ENDPOINTAPI 端点默认即可https://api.smith.langchain.com生产环境建议将 LangSmith 的追踪采样率设低一些避免记录所有请求造成成本过高只在需要调试时开启完整追踪。❤️❤️❤️本人水平有限如有纰漏欢迎各位大佬评论批评指正如果觉得这篇文对你有帮助的话也请给个点赞、收藏下吧非常感谢! Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧
HoRain云小助手个人主页 个人专栏: 《Linux 系列教程》《c语言教程》⛺️生活的理想就是为了理想的生活!⛳️ 推荐前些天发现了一个超棒的服务器购买网站性价比超高大内存超划算忍不住分享一下给大家。点击跳转到网站。专栏介绍专栏名称专栏介绍《C语言》本专栏主要撰写C干货内容和编程技巧让大家从底层了解C把更多的知识由抽象到简单通俗易懂。《网络协议》本专栏主要是注重从底层来给大家一步步剖析网络协议的奥秘一起解密网络协议在运行中协议的基本运行机制《docker容器精解篇》全面深入解析 docker 容器从基础到进阶涵盖原理、操作、实践案例助您精通 docker。《linux系列》本专栏主要撰写Linux干货内容从基础到进阶知识由抽象到简单通俗易懂帮你从新手小白到扫地僧。《python 系列》本专栏着重撰写Python相关的干货内容与编程技巧助力大家从底层去认识Python将更多复杂的知识由抽象转化为简单易懂的内容。《试题库》本专栏主要是发布一些考试和练习题库涵盖软考、HCIE、HRCE、CCNA等目录⛳️ 推荐专栏介绍LangSmith 是什么快速开始注册与安装实例自动追踪实例查看追踪记录手动创建追踪实例常用配置LangSmith 是 LangChain 官方的可观测性平台帮助你追踪 Agent 执行过程、监控性能、调试问题。LangSmith 是什么当 Agent 在后台运行时你看不到它内部发生了什么——调用了哪些模型、执行了哪些工具、每一步消耗了多少 Token。LangSmith 解决了这个黑盒问题。功能说明执行追踪记录 Agent 每一步的执行轨迹性能监控统计每次调用的耗时和 Token 消耗调试回放查看历史执行的详细信息评估测试创建测试集评估 Agent 表现快速开始注册与安装$ pip install langsmith在 smith.langchain.com 注册账号获取 API Key然后在 .env 中配置实例# .env 文件LANGCHAIN_TRACING_V2trueLANGCHAIN_API_KEYlsv2_pt_your_key_hereLANGCHAIN_PROJECTmy-agent-project自动追踪实例from dotenv import load_dotenvload_dotenv() # LangSmith 配置会自动加载from langchain.agents import create_agentfrom langchain.chat_models import init_chat_modelfrom langchain.messages import HumanMessagefrom langchain.tools import tool# 设置环境变量后所有 Agent 执行都会自动追踪# 无需额外代码tooldef search_course(keyword: str) - str:搜索课程return f搜索结果{keyword} 相关课程model init_chat_model(deepseek:deepseek-v4-flash, temperature0)agent create_agent(modelmodel,tools[search_course],system_prompt你是菜鸟教程 RUNOOB 的助手。,)# 这次执行会被自动记录到 LangSmithresult agent.invoke({messages: [HumanMessage(content搜索 Python 课程)]})# 打开 https://smith.langchain.com 查看追踪记录print(已完成请到 LangSmith 控制台查看追踪详情)查看追踪记录在 LangSmith 控制台中你可以看到每次 Agent 执行的完整轨迹执行时间线模型调用 → 工具调用 → 模型再调用的完整时间线输入/输出每一步的输入消息和模型返回结果Token 用量每次模型调用的 Token 消耗和费用估算延迟分析每一步的耗时分布错误信息如果某步出错可以看到完整的错误堆栈手动创建追踪实例from langsmith import traceable# 使用 traceable 装饰器标记需要追踪的函数traceabledef process_user_query(query: str) - dict:处理用户查询此函数会被单独追踪# 预处理cleaned query.strip().lower()# 调用 Agentresult agent.invoke({messages: [HumanMessage(contentcleaned)]})return {query: cleaned,answer: result[messages][-1].content,}# 在 LangSmith 中会看到 process_user_query 作为一个独立步骤result process_user_query( Python 课程推荐 )print(result[answer])常用配置环境变量说明示例LANGCHAIN_TRACING_V2启用追踪必须设为 truetrueLANGCHAIN_API_KEYLangSmith API Keylsv2_pt_xxxLANGCHAIN_PROJECT项目名称用于分组追踪my-agentLANGCHAIN_ENDPOINTAPI 端点默认即可https://api.smith.langchain.com生产环境建议将 LangSmith 的追踪采样率设低一些避免记录所有请求造成成本过高只在需要调试时开启完整追踪。❤️❤️❤️本人水平有限如有纰漏欢迎各位大佬评论批评指正如果觉得这篇文对你有帮助的话也请给个点赞、收藏下吧非常感谢! Stay Hungry Stay Foolish 道阻且长,行则将至,让我们一起加油吧
