LangSmith开发-应用入门

发布时间：2026-04-15 20:54:10编辑：123阅读（28）

LangSmith开发-应用入门

大模型具有不确定性，尤其是构建复杂AI Agent应用程序中，中间会涉及非常多的子步骤，如果想要了解每一步的运行状态和结果，一方面可以通过Debug来进行实时控制，而另一方面可以借助一些工具来观察和调试中间的交互流程，LangSmith就


是这样一个工具平台，由LangChain和LangGraph背后的团队创建，主要作用是：为基于大语言模型构建的应用程序提供全面的监控、调试和可观察性。提供强大的跟踪、日志记录和实时分析功能。




LangSmith官网：https://smith.langchain.com/

注册账号，创建一个API-KEY



通常，对于一个项目而言，可以是单个应用程序或服务。

代码如下：


from typing import Annotated
from typing_extensions import TypedDict
from langgraph.graph import StateGraph,START,END
from langgraph.graph.message import add_messages
from langchain_ollama import ChatOllama
from langgraph.checkpoint.memory import MemorySaver
import os

os.environ['LANGSMITH_TRACING'] = 'true'
os.environ['LANGSMITH_API_KEY'] = 'lsv2_pt_7a7db729daee4c949f09fxxxxxxxxxxxxxx'
os.environ['LANGSMITH_PROJECT'] = 'langgraph_chatbot'


# 定义状态类（会自动合并messages）
class State(TypedDict):
    messages: Annotated[list, add_messages]

# 初始化模型
model = ChatOllama(
    model="qwen3:8b",
    temperature=0,
    top_p=0.95,
)

# 定义聊天节点
def chatbot(state: State) -> State:
    reply = model.invoke(state["messages"])
    return {'messages': [reply]}

# 构建带MemorySaver的图
builder = StateGraph(State)
builder.add_node('chatbot', chatbot)
builder.add_edge(START, 'chatbot')
builder.add_edge('chatbot', END)
memory = MemorySaver()
graph = builder.compile(checkpointer=memory)

# 运行多轮对话，使用相同thread_id实现记忆
thread_config = {"configurable":{"thread_id":"session_10"}}

# 第一轮对话
state1 = graph.invoke({"messages":[{"role":"user", "content":"我叫张三"}]}, config=thread_config)
print(state1["messages"][-1].content)

# 第二轮对话
state2 = graph.invoke({"messages":[{"role":"user", "content":"我叫什么"}]}, config=thread_config)
print(state2["messages"][-1].content)

# 使用不同的thread_id，会开启全新对话
state3 = graph.invoke({"messages":[{"role":"user", "content":"我叫什么"}]}, config={"configurable":
{"thread_id":"session_2"}})
print(state3["messages"][-1].content)

# 查看记忆
latest = graph.get_state(thread_config)
print(latest.values['messages']) # 包含全部轮次对话

运行结果:

你好，张三！很高兴认识你。有什么我可以帮你的吗？是想讨论某个话题，还是需要解决某个问题？随时告诉我哦！ 😊

你叫张三！😊 有什么我可以帮你的吗？

你好！我是通义千问，你可以叫我Qwen。有什么问题或需要帮助的地方吗？😊




访问LangSmith页面，可以看到Agent的运行状态



LangGraph详细



在初次构建AI应用程序时，建议从最简单的工作流实现开始，结合LangSmith这样的评估工具是能够极大程序上帮助理解调用模型中间过程。而随着构建应用程序的越来越复杂，其中间状态也会变得越来越多。

关键字：