将追踪记录到特定项目

本页介绍如何控制 LangSmith 将您的追踪发送到何处：

静态设置目标项目
动态设置目标项目
动态设置目标工作区
使用副本将追踪写入多个目标

静态设置目标项目

LangSmith 使用项目的概念来分组追踪。如果未指定，项目将设置为 default。您可以设置 LANGSMITH_PROJECT 环境变量，为整个应用程序运行配置自定义项目名称。请在运行应用程序之前设置此项：

export LANGSMITH_PROJECT=my-custom-project

LANGSMITH_PROJECT 标志仅在 JS SDK 版本 >= 0.2.16 中受支持，如果您使用的是较旧版本，请改用 LANGCHAIN_PROJECT。

如果指定的项目不存在，LangSmith 将在接收第一条追踪时自动创建它。

动态设置目标项目

您也可以在程序运行时以多种方式设置项目名称，具体取决于您如何注释代码以进行追踪。当您希望在同一个应用程序中将追踪记录到不同项目时，这非常有用：

在装饰或配置时传递项目名称。
在每次单独调用时覆盖它。
在直接构造运行时设置它。

使用以下方法之一动态设置项目名称会覆盖由 LANGSMITH_PROJECT 环境变量设置的项目名称。

import openai
from langsmith import traceable
from langsmith.run_trees import RunTree

client = openai.Client()
messages = [
  {"role": "system", "content": "You are a helpful assistant."},
  {"role": "user", "content": "Hello!"}
]

# 使用带有 'project_name' 参数的 @traceable 装饰器将追踪记录到 LangSmith
# 确保设置了 LANGSMITH_TRACING 环境变量，以便 @traceable 正常工作
@traceable(
  run_type="llm",
  name="OpenAI Call Decorator",
  project_name="My Project"
)
def call_openai(
  messages: list[dict], model: str = "gpt-5.4-mini"
) -> str:
  return client.chat.completions.create(
      model=model,
      messages=messages,
  ).choices[0].message.content

# 调用装饰函数
call_openai(messages)

# 您也可以通过 project_name 参数指定项目
# 这将覆盖 @traceable 装饰器中指定的 project_name
call_openai(
  messages,
  langsmith_extra={"project_name": "My Overridden Project"},
)

# 包装的 OpenAI 客户端接受与 @traceable 装饰函数相同的 langsmith_extra 参数，
# 并自动将追踪记录到 LangSmith。
# 确保设置了 LANGSMITH_TRACING 环境变量，以便包装器正常工作。
from langsmith import wrappers
wrapped_client = wrappers.wrap_openai(client)
wrapped_client.chat.completions.create(
  model="gpt-5.4-mini",
  messages=messages,
  langsmith_extra={"project_name": "My Project"},
)

# 或者，创建一个 RunTree 对象
# 您可以使用 project_name 参数设置项目名称
rt = RunTree(
  run_type="llm",
  name="OpenAI Call RunTree",
  inputs={"messages": messages},
  project_name="My Project"
)
chat_completion = client.chat.completions.create(
  model="gpt-5.4-mini",
  messages=messages,
)
# 结束并提交运行
rt.end(outputs=chat_completion)
rt.post()

import OpenAI from "openai";
import { traceable } from "langsmith/traceable";
import { wrapOpenAI } from "langsmith/wrappers";
import { RunTree} from "langsmith";

const client = new OpenAI();
const messages = [
  {role: "system", content: "You are a helpful assistant."},
  {role: "user", content: "Hello!"}
];

const traceableCallOpenAI = traceable(async (messages: {role: string, content: string}[], model: string) => {
  const completion = await client.chat.completions.create({
      model: model,
      messages: messages,
  });
  return completion.choices[0].message.content;
},{
  run_type: "llm",
  name: "OpenAI Call Traceable",
  project_name: "My Project"
});

// 调用可追踪函数
await traceableCallOpenAI(messages, "gpt-5.4-mini");

// 创建并使用 RunTree 对象
const rt = new RunTree({
  run_type: "llm",
  name: "OpenAI Call RunTree",
  inputs: { messages },
  project_name: "My Project"
});
await rt.postRun();

// 执行聊天补全并在 RunTree 中处理
rt.end({outputs: chatCompletion});
await rt.patchRun();

import com.langchain.smith.otel.OtelConfig;
import com.langchain.smith.otel.OtelSpanCreator;
import com.langchain.smith.otel.OtelTraceExporter;
import io.opentelemetry.api.trace.Span;
import io.opentelemetry.api.trace.StatusCode;
import io.opentelemetry.api.trace.Tracer;
import java.time.Duration;
import java.util.HashMap;
import java.util.Map;

/**
 * 简单示例：将单个 OpenTelemetry 追踪发送到 LangSmith。
 *
 * 用法：
 *   export LANGSMITH_API_KEY=your_api_key
 *   export LANGSMITH_PROJECT=your_project_name  # 可选，默认为 "default"
 */
public class OtelLangSmithSimpleExample {
    public static void main(String[] args) throws Exception {
        // 获取 API 密钥和项目名称
        String apiKey = System.getenv("LANGSMITH_API_KEY");
        if (apiKey == null || apiKey.isEmpty()) {
            System.err.println("错误：需要 LANGSMITH_API_KEY 环境变量！");
            return;
        }

        String projectName = System.getenv("LANGSMITH_PROJECT");
        if (projectName == null || projectName.isEmpty()) {
            projectName = "default";
        }

        // 配置导出器
        Map<String, String> headers = new HashMap<>();
        headers.put("x-api-key", apiKey);
        headers.put("Langsmith-Project", projectName);

        OtelConfig config = OtelConfig.builder()
                .enabled(true)
                .endpoint("https://api.smith.langchain.com/otel/v1/traces")
                .headers(headers)
                .timeout(Duration.ofSeconds(30))
                .serviceName("langsmith-java-simple")
                .build();

        OtelTraceExporter exporter = OtelTraceExporter.fromConfig(config);
        Tracer tracer = exporter.getTracer();

        // 创建一个简单的 span
        Span span = OtelSpanCreator.createLlmSpan(
                tracer, "simple.llm.call", "openai", "gpt-4", projectName, null);

        try {
            OtelSpanCreator.setInput(span, "Hello, world!");
            Thread.sleep(100); // 模拟处理
            OtelSpanCreator.setOutput(span, "Hello! How can I help you?");
            OtelSpanCreator.setTokenUsage(span, 5, 8);
            span.setStatus(StatusCode.OK);
        } finally {
            span.end();
        }

        // 刷新并关闭
        exporter.flush().join(5, java.util.concurrent.TimeUnit.SECONDS);
        exporter.shutdown().join(2, java.util.concurrent.TimeUnit.SECONDS);

        System.out.println("✓ 追踪已发送到 LangSmith！");
    }
}

动态设置目标工作区

如果您需要根据运行时配置（例如，将不同用户或租户路由到单独的工作区）将追踪动态路由到不同的 LangSmith 工作区，方法因语言而异：

Python：使用具有 tracing_context 的特定于工作区的 LangSmith 客户端。
TypeScript：将自定义客户端传递给 traceable，或使用带有回调的 LangChainTracer。

此方法适用于多租户应用程序，您希望在工作区级别按客户、环境或团队隔离追踪。

先决条件

一个具有访问多个工作区权限的 LangSmith API 密钥。
每个目标工作区的工作区 ID。

通用跨工作区追踪

对于希望根据运行时逻辑（例如，客户 ID、租户或环境）将追踪动态路由到不同工作区的通用应用程序，请使用此方法。 关键组件：

为每个工作区初始化单独的 Client 实例，并指定各自的 workspace_id。
使用 tracing_context（Python）或将特定于工作区的 client 传递给 traceable（TypeScript）来路由追踪。
通过应用程序的运行时配置传递工作区配置。

import os
import contextlib
from langsmith import Client, traceable, tracing_context

# 具有访问多个工作区权限的 API 密钥
api_key = os.getenv("LS_CROSS_WORKSPACE_KEY")

# 为不同工作区初始化客户端
workspace_a_client = Client(
    api_key=api_key,
    api_url="https://api.smith.langchain.com",
    workspace_id="<YOUR_WORKSPACE_A_ID>"  # 例如 "abc123..."
)

workspace_b_client = Client(
    api_key=api_key,
    api_url="https://api.smith.langchain.com",
    workspace_id="<YOUR_WORKSPACE_B_ID>"  # 例如 "def456..."
)

# 示例：基于客户 ID 进行路由
def get_workspace_client(customer_id: str):
    """根据客户路由到相应的工作区。"""
    if customer_id.startswith("premium_"):
        return workspace_a_client, "premium-customer-traces"
    else:
        return workspace_b_client, "standard-customer-traces"

@traceable
def process_request(data: dict, customer_id: str):
    """使用特定于工作区的追踪处理客户请求。"""
    # 您的业务逻辑在此处
    return {"status": "success", "data": data}

# 使用 tracing_context 路由到相应的工作区
def handle_customer_request(customer_id: str, request_data: dict):
    client, project_name = get_workspace_client(customer_id)

    # 此上下文内的所有内容都将被追踪到选定的工作区
    with tracing_context(enabled=True, client=client, project_name=project_name):
        result = process_request(request_data, customer_id)

    return result

# 示例用法
handle_customer_request("premium_user_123", {"query": "Hello"})
handle_customer_request("standard_user_456", {"query": "Hi"})

import { Client } from "langsmith";
import { traceable } from "langsmith/traceable";

// 具有访问多个工作区权限的 API 密钥
const apiKey = process.env.LS_CROSS_WORKSPACE_KEY;

// 为不同工作区初始化客户端
const workspaceAClient = new Client({
  apiKey: apiKey,
  apiUrl: "https://api.smith.langchain.com",
  workspaceId: "<YOUR_WORKSPACE_A_ID>", // 例如 "abc123..."
});

const workspaceBClient = new Client({
  apiKey: apiKey,
  apiUrl: "https://api.smith.langchain.com",
  workspaceId: "<YOUR_WORKSPACE_B_ID>", // 例如 "def456..."
});

// 示例：基于客户 ID 进行路由
function getWorkspaceClient(customerId: string): {
  client: Client;
  projectName: string;
} {
  if (customerId.startsWith("premium_")) {
    return {
      client: workspaceAClient,
      projectName: "premium-customer-traces",
    };
  } else {
    return {
      client: workspaceBClient,
      projectName: "standard-customer-traces",
    };
  }
}

// 通过将客户端传递给 traceable 将追踪路由到相应的工作区
async function handleCustomerRequest(
  customerId: string,
  requestData: Record<string, any>
) {
  const { client, projectName } = getWorkspaceClient(customerId);

  // 使用特定于工作区的客户端创建可追踪函数
  const processRequest = traceable(
    async (data: Record<string, any>, customerId: string) => {
      // 您的业务逻辑在此处
      return { status: "success", data };
    },
    {
      name: "process_request",
      client,
      project_name: projectName,
    }
  );

  return await processRequest(requestData, customerId);
}

// 示例用法
await handleCustomerRequest("premium_user_123", { query: "Hello" });
await handleCustomerRequest("standard_user_456", { query: "Hi" });

覆盖 LangSmith 部署的默认工作区

当部署代理到 LangSmith 时，您可以使用图生命周期上下文管理器覆盖追踪发送到的默认工作区。当您希望根据通过 config 参数传递的运行时配置，将已部署代理的追踪路由到不同工作区时，这非常有用。

import os
import contextlib
from typing_extensions import TypedDict
from langgraph.graph import StateGraph
from langgraph.graph.state import RunnableConfig
from langsmith import Client, tracing_context

# 具有访问多个工作区权限的 API 密钥
api_key = os.getenv("LS_CROSS_WORKSPACE_KEY")

# 为不同工作区初始化客户端
workspace_a_client = Client(
    api_key=api_key,
    api_url="https://api.smith.langchain.com",
    workspace_id="<YOUR_WORKSPACE_A_ID>"
)

workspace_b_client = Client(
    api_key=api_key,
    api_url="https://api.smith.langchain.com",
    workspace_id="<YOUR_WORKSPACE_B_ID>"
)

# 定义用于工作区路由的配置模式
class Configuration(TypedDict):
    workspace_id: str

# 定义图状态
class State(TypedDict):
    response: str

def greeting(state: State, config: RunnableConfig) -> State:
    """生成特定于工作区的问候语。"""
    workspace_id = config.get("configurable", {}).get("workspace_id", "workspace_a")

    if workspace_id == "workspace_a":
        response = "Hello from Workspace A!"
    elif workspace_id == "workspace_b":
        response = "Hello from Workspace B!"
    else:
        response = "Hello from the default workspace!"

    return {"response": response}

# 构建基础图
base_graph = (
    StateGraph(state_schema=State, config_schema=Configuration)
    .add_node("greeting", greeting)
    .set_entry_point("greeting")
    .set_finish_point("greeting")
    .compile()
)

@contextlib.asynccontextmanager
async def graph(config):
    """根据配置将追踪动态路由到不同工作区。"""
    # 从配置中提取 workspace_id
    workspace_id = config.get("configurable", {}).get("workspace_id", "workspace_a")

    # 路由到相应的工作区
    if workspace_id == "workspace_a":
        client = workspace_a_client
        project_name = "production-traces"
    elif workspace_id == "workspace_b":
        client = workspace_b_client
        project_name = "development-traces"
    else:
        client = workspace_a_client
        project_name = "default-traces"

    # 为选定的工作区应用追踪上下文
    with tracing_context(enabled=True, client=client, project_name=project_name):
        yield base_graph

# 用法：使用不同的工作区配置进行调用
# await graph({"configurable": {"workspace_id": "workspace_a"}})
# await graph({"configurable": {"workspace_id": "workspace_b"}})

import { Client } from "langsmith";
import { LangChainTracer } from "@langchain/core/tracers/tracer_langchain";
import { StateGraph, Annotation } from "@langchain/langgraph";

// 具有访问多个工作区权限的 API 密钥
const apiKey = process.env.LS_CROSS_WORKSPACE_KEY;

// 为不同工作区初始化客户端
const workspaceAClient = new Client({
  apiKey: apiKey,
  apiUrl: "https://api.smith.langchain.com",
  workspaceId: "<YOUR_WORKSPACE_A_ID>", // 例如 "abc123..."
});

const workspaceBClient = new Client({
  apiKey: apiKey,
  apiUrl: "https://api.smith.langchain.com",
  workspaceId: "<YOUR_WORKSPACE_B_ID>", // 例如 "def456..."
});

// 定义图状态
const StateAnnotation = Annotation.Root({
  response: Annotation<string>(),
});

async function greeting(state: typeof StateAnnotation.State, config: any) {
  const workspaceId = config?.configurable?.workspace_id || "workspace_a";

  let response: string;
  if (workspaceId === "workspace_a") {
    response = "Hello from Workspace A!";
  } else if (workspaceId === "workspace_b") {
    response = "Hello from Workspace B!";
  } else {
    response = "Hello from the default workspace!";
  }

  return { response };
}

// 构建基础图
const baseGraph = new StateGraph(StateAnnotation)
  .addNode("greeting", greeting)
  .addEdge("__start__", "greeting")
  .addEdge("greeting", "__end__")
  .compile();

// 获取特定于工作区的客户端和项目的辅助函数
function getWorkspaceConfig(workspaceId: string): {
  client: Client;
  projectName: string;
} {
  if (workspaceId === "workspace_a") {
    return { client: workspaceAClient, projectName: "production-traces" };
  } else if (workspaceId === "workspace_b") {
    return { client: workspaceBClient, projectName: "development-traces" };
  }
  return { client: workspaceAClient, projectName: "default-traces" };
}

// 使用特定于工作区的追踪调用图
async function invokeWithWorkspaceTracing(
  workspaceId: string,
  input: typeof StateAnnotation.State
) {
  const { client, projectName } = getWorkspaceConfig(workspaceId);

  // 使用特定于工作区的客户端创建 LangChainTracer
  const tracer = new LangChainTracer({
    client,
    projectName,
  });

  // 通过回调附加追踪器来调用图
  // 所有追踪都将路由到选定的工作区
  return await baseGraph.invoke(input, {
    configurable: { workspace_id: workspaceId },
    callbacks: [tracer],
  });
}

// 示例用法
await invokeWithWorkspaceTracing("workspace_a", { response: "" });
await invokeWithWorkspaceTracing("workspace_b", { response: "" });

关键点

通用跨工作区追踪：使用 tracing_context（Python）或将特定于工作区的 client 传递给 traceable（TypeScript）以将追踪动态路由到不同工作区。
LangGraph 跨工作区追踪：对于 LangGraph 应用程序，使用带有特定于工作区客户端的 LangChainTracer，并通过 callbacks 参数附加它。
LangSmith 部署覆盖：使用图生命周期上下文管理器（Python）根据运行时配置覆盖默认部署工作区。
每个 Client 实例通过 workspaceId 参数维护与特定工作区的连接。
您可以为每个路由自定义工作区和项目名称。
此模式适用于任何 LangSmith 兼容的追踪（LangChain、OpenAI、自定义函数等）。

使用跨工作区追踪进行部署时，请确保您的服务密钥或 PAT 具有所有目标工作区的必要权限。我们建议在生产部署中使用多工作区服务密钥。对于 LangSmith 部署，您必须将具有跨工作区访问权限的服务密钥添加到环境变量中（例如 LS_CROSS_WORKSPACE_KEY），以覆盖部署生成的默认服务密钥。

使用副本将追踪写入多个目标

副本允许您同时将每条追踪发送到多个项目或工作区。与每条追踪只发送到一个目标的动态路由模式不同，副本会将追踪并行复制到所有配置的目标。副本可用于：

将生产追踪镜像到暂存或个人项目中进行调试。
写入多个工作区以实现多租户隔离，而无需更改任何应用程序代码。
将追踪发送到同一服务器下的不同项目，并按副本覆盖元数据。

通过环境变量配置副本

将 LANGSMITH_RUNS_ENDPOINTS 环境变量设置为 JSON 值。支持两种格式：

对象格式：将每个端点 URL 映射到其 API 密钥：

export LANGSMITH_RUNS_ENDPOINTS='{
"https://api.smith.langchain.com": "ls__key_workspace_a",
"https://api.smith.langchain.com": "ls__key_workspace_b"
}'

数组格式：副本对象列表，当您需要多个副本指向同一 URL 或希望为每个副本设置 project_name 时很有用：

export LANGSMITH_RUNS_ENDPOINTS='[
{"api_url": "https://api.smith.langchain.com", "api_key": "ls__key1", "project_name": "project-prod"},
{"api_url": "https://api.smith.langchain.com", "api_key": "ls__key2", "project_name": "project-staging"}
]'

您不能同时使用 LANGSMITH_RUNS_ENDPOINTS 和 LANGSMITH_ENDPOINT。如果同时设置两者，LangSmith 会引发错误。仅使用其中一个来配置您的端点。

在运行时配置副本

您也可以在代码中直接传递副本，当目标因请求或租户而异时，这非常有用。

from langsmith import traceable, tracing_context
from langsmith.run_trees import WriteReplica, ApiKeyAuth

@traceable
def my_pipeline(query: str) -> str:
    # 您的应用程序逻辑在此处
    return f"Answer to: {query}"

replicas = [
    WriteReplica(
        api_url="https://api.smith.langchain.com",
        auth=ApiKeyAuth(api_key="ls__key_workspace_a"),
        project_name="project-prod",
    ),
    WriteReplica(
        api_url="https://api.smith.langchain.com",
        auth=ApiKeyAuth(api_key="ls__key_workspace_b"),
        project_name="project-staging",
        # 可选：覆盖复制运行上的字段
        updates={"metadata": {"environment": "staging"}},
    ),
]

with tracing_context(replicas=replicas):
    my_pipeline("What is LangSmith?")

import { traceable } from "langsmith/traceable";

const myPipeline = traceable(
  async (query: string): Promise<string> => {
    // 您的应用程序逻辑在此处
    return `Answer to: ${query}`;
  },
  {
    name: "my_pipeline",
    replicas: [
      {
        apiUrl: "https://api.smith.langchain.com",
        apiKey: "ls__key_workspace_a",
        projectName: "project-prod",
      },
      {
        apiUrl: "https://api.smith.langchain.com",
        apiKey: "ls__key_workspace_b",
        projectName: "project-staging",
        // 可选：覆盖复制运行上的字段
        updates: { metadata: { environment: "staging" } },
      },
    ],
  }
);

await myPipeline("What is LangSmith?");

您还可以使用 updates 字段将额外字段（例如元数据或标签）合并到特定副本的运行中——主追踪保持不变。副本错误是非致命的：如果副本端点不可用，LangSmith 会记录错误，而不会影响主追踪。

认证不会在分布式追踪中传播。当追踪跨越多个服务时，LangSmith 会自动将副本 project_name 和 updates 转发给下游服务，但不会转发 API 密钥或凭据。每个服务必须为副本目标配置自己的凭据。

在同一服务器内复制（仅项目副本）

如果所有副本都使用相同的 LangSmith 服务器，您可以省略 api_url 和 auth，仅指定 project_name。SDK 会重用默认客户端凭据：

from langsmith import traceable, tracing_context
from langsmith.run_trees import WriteReplica

@traceable
def my_pipeline(query: str) -> str:
    return f"Answer to: {query}"

with tracing_context(
    replicas=[
        WriteReplica(project_name="project-prod"),
        WriteReplica(project_name="project-staging", updates={"metadata": {"env": "staging"}}),
    ]
):
    my_pipeline("What is LangSmith?")

import { traceable } from "langsmith/traceable";

const myPipeline = traceable(
  async (query: string) => `Answer to: ${query}`,
  {
    name: "my_pipeline",
    replicas: [
      { projectName: "project-prod" },
      { projectName: "project-staging", updates: { metadata: { env: "staging" } } },
    ],
  }
);

await myPipeline("What is LangSmith?");

在 LangSmith 和 OpenTelemetry 目标之间路由

您可以在运行时决定给定调用是将追踪发送到 LangSmith、发送到 OpenTelemetry (OTel) 后端，还是同时发送到两者，而无需重新部署或修改应用程序逻辑。当您希望按环境甚至按请求在可观测性后端之间切换时，这非常有用，在运行时做出决策。使用 tracing_mode 构造函数参数或 LANGSMITH_TRACING_MODE 环境变量设置追踪模式。两者接受相同的值；显式的 tracing_mode 参数始终优先于环境变量：

"langsmith"（默认）：将追踪原生发送到 LangSmith。
"otel"：将追踪作为 OpenTelemetry span 导出到配置的 OTel 后端。
"hybrid"（仅限 Python）：从单个副本同时发送到 LangSmith 和 OTel 后端。

如果您正在使用 Client 上已弃用的 otel_enabled 参数（仅限 Python），请迁移到 tracing_mode：Client(otel_enabled=True) → Client(tracing_mode="hybrid")。otel_enabled 参数将在下一个次要版本中移除。

将配置好的 Client 直接传递到副本中，以在运行时应用所需的模式：

from langsmith import Client, traceable, tracing_context
from langsmith.run_trees import WriteReplica
from langsmith.wrappers import wrap_openai
import openai

# 创建具有不同追踪模式的客户端
ls_client = Client()                            # tracing_mode="langsmith"（默认）
otel_client = Client(tracing_mode="otel")       # tracing_mode="otel"
hybrid_client = Client(tracing_mode="hybrid")   # tracing_mode="hybrid"（两者）

openai_client = wrap_openai(openai.Client())

@traceable()
def joke():
    response = openai_client.chat.completions.create(
        model="gpt-4o-mini",
        messages=[{"role": "user", "content": "Tell me a short joke."}],
    )
    return response.choices[0].message.content

# 在单次调用中混合副本的追踪模式：
# 一个副本通过 LangSmith 的原生格式发送，另一个作为 OTel span 发送。
with tracing_context(replicas=[
    WriteReplica(client=ls_client),    # tracing_mode="langsmith"
    WriteReplica(client=otel_client),  # tracing_mode="otel"
]):
    joke()

# 或者，单个混合副本同时发送到两者。
with tracing_context(replicas=[WriteReplica(client=hybrid_client)]):
    joke()

# 在运行时交换副本列表——例如基于功能标志或环境。
def get_replicas(send_to_otel: bool):
    replicas = [WriteReplica(client=ls_client)]
    if send_to_otel:
        replicas.append(WriteReplica(client=otel_client))
    return replicas

with tracing_context(replicas=get_replicas(send_to_otel=True)):   # LangSmith + OTel
    joke()

with tracing_context(replicas=get_replicas(send_to_otel=False)):  # 仅 LangSmith
    joke()

import { Client } from "langsmith";
import { traceable } from "langsmith/traceable";
import { wrapOpenAI } from "langsmith/wrappers";
import OpenAI from "openai";

// 注意：tracingMode: "otel" 需要在创建客户端之前初始化 OTel SDK
// （TracerProvider、SpanProcessor 等）。
// 有关设置详情，请参阅 OpenTelemetry 集成指南。

// 创建具有不同追踪模式的客户端
const lsClient = new Client();                           // tracingMode: "langsmith"（默认）
const otelClient = new Client({ tracingMode: "otel" });  // tracingMode: "otel"

const openaiClient = wrapOpenAI(new OpenAI());

async function jokeImpl() {
  const response = await openaiClient.chat.completions.create({
    model: "gpt-4o-mini",
    messages: [{ role: "user", content: "Tell me a short joke." }],
  });
  return response.choices[0].message.content;
}

// 在单次可追踪调用中混合副本的追踪模式：
// 主客户端通过 LangSmith 发送，副本作为 OTel span 发送。
const joke = traceable(jokeImpl, {
  name: "joke",
  client: lsClient,                    // tracingMode: "langsmith"（默认）
  replicas: [{ client: otelClient }],  // tracingMode: "otel"
});
await joke();

// 动态构建副本以进行运行时切换——例如基于功能标志。
function buildReplicas(sendToOtel: boolean) {
  return sendToOtel ? [{ client: otelClient }] : [];
}

const sendToOtel = process.env.ROUTE_TO_OTEL === "true";
const jokeDynamic = traceable(jokeImpl, {
  name: "joke",
  client: lsClient,
  replicas: buildReplicas(sendToOtel),
});
await jokeDynamic();

每个 Client 上的 tracing_mode 决定了该副本的导出路径。在 Python 中，"hybrid" 模式在单个副本中处理两个目标。在 TypeScript 中，“同时发送到两者”的情况使用两个单独的副本，每个客户端一个，因为没有 "hybrid" 模式。由于每个副本独立解析自己的客户端，您也可以在单个 tracing_context 中混合模式，例如保持一个副本发送到 LangSmith，同时通过第二个副本将相同的追踪转发到 OTel 收集器。

将这些文档连接到 Claude、VSCode 等，通过 MCP 获取实时答案。

在 GitHub 上编辑此页面或提交问题。

Tracing setup

Configuration & troubleshooting

Viewing & managing traces

Automations

Feedback & evaluation

Monitoring & alerting

Data type reference

将追踪记录到特定项目

静态设置目标项目

动态设置目标项目

动态设置目标工作区

先决条件

通用跨工作区追踪

覆盖 LangSmith 部署的默认工作区

关键点

使用副本将追踪写入多个目标

通过环境变量配置副本

在运行时配置副本

在同一服务器内复制（仅项目副本）

在 LangSmith 和 OpenTelemetry 目标之间路由

​静态设置目标项目

​动态设置目标项目

​动态设置目标工作区

​先决条件

​通用跨工作区追踪

​覆盖 LangSmith 部署的默认工作区

​关键点

​使用副本将追踪写入多个目标

​通过环境变量配置副本

​在运行时配置副本

​在同一服务器内复制（仅项目副本）

​在 LangSmith 和 OpenTelemetry 目标之间路由

静态设置目标项目

动态设置目标项目

动态设置目标工作区

先决条件

通用跨工作区追踪

覆盖 LangSmith 部署的默认工作区

关键点

使用副本将追踪写入多个目标

通过环境变量配置副本

在运行时配置副本

在同一服务器内复制（仅项目副本）

在 LangSmith 和 OpenTelemetry 目标之间路由