描述
LangSmith 旨在为 AI 智能体和 LLM 提供全面的可观测性,提供一个平台来了解和优化它们在生产中的性能。它允许开发人员跟踪智能体行为,查明影响延迟、成本和响应质量的问题,并深入了解使用模式和故障模式。
主要功能包括跟踪、监控和洞察。跟踪允许用户逐步确切地查看其智能体正在做什么,从而有助于识别问题。监控提供智能体性能的实时视图,从而能够及早检测问题和评估影响。洞察会自动分析和聚类跟踪,以检测使用模式和常见的智能体行为。该平台支持针对流行的智能体框架和 OpenTelemetry SDK 的原生跟踪,适用于各种编程语言。
SmithDB 是一个专门构建的数据库,专为智能体可观测性而设计,可在数百万次跟踪中提供亚秒级性能。它支持智能体查询模式,包括对单个运行的随机访问、全文搜索和轨迹查询。LangSmith 提供自托管选项,包括自带云 (BYOC) 和自托管选项,允许团队控制其数据驻留的位置。该平台与现有的 OpenTelemetry 管道集成,并提供自定义仪表板来跟踪指标,例如令牌使用情况、延迟、错误率和成本细分。
LangSmith 对开发人员、AI 工程师以及构建和部署 AI 智能体的团队来说很有价值。它帮助他们调试智能体、提高性能并降低成本。该平台与框架无关,支持使用各种 SDK 构建的应用程序,包括 OpenAI、Anthropic 和 Vercel AI SDK。LangSmith 提供用于开发和小规模生产的免费套餐,以及可扩展的付费计划和企业定价选项。
LangSmith:AI 智能体可观测性的核心功能
用于调试的智能体跟踪
实时监控仪表板
成本和延迟跟踪
错误率监控
使用模式分析
与框架无关的集成
OpenTelemetry 支持
自托管选项
用于快速跟踪查询的 SmithDB
Webhook 和 PagerDuty 警报
可定制的仪表板
如何使用 LangSmith:AI 智能体可观测性?
集成:选择您喜欢的框架或使用 SDK(Python、Typescript、Go 或 Java)。
跟踪:实施跟踪以捕获智能体行为。
监控:设置实时监控仪表板以跟踪关键指标。
分析:使用洞察来检测使用模式和故障模式。
调试:使用跟踪数据识别和解决问题。
优化:根据洞察和监控数据改进智能体性能。
LangSmith:AI 智能体可观测性的使用案例
- 智能体调试
- 性能监控
- 成本优化
- 使用情况分析
- 故障检测
- LLM 评估









