Skip to main content
您可以使用Python和TypeScript SDK来程序化管理数据集。这包括创建、更新和删除数据集，以及向其中添加示例。

​
创建数据集

​
从值列表创建数据集

使用客户端创建数据集最灵活的方式是从输入列表和可选输出列表创建示例。下面是一个示例。 请注意，您可以为每个示例添加任意元数据，例如备注或来源。元数据以字典形式存储。
如果您需要创建许多示例，请考虑使用 create_examples/createExamples 方法在单个请求中创建多个示例。如果创建单个示例，可以使用 create_example/createExample 方法。
from langsmith import Client

examples = [
  {
    "inputs": {"question": "What is the largest mammal?"},
    "outputs": {"answer": "The blue whale"},
    "metadata": {"source": "Wikipedia"},
  },
  {
    "inputs": {"question": "What do mammals and birds have in common?"},
    "outputs": {"answer": "They are both warm-blooded"},
    "metadata": {"source": "Wikipedia"},
  },
  {
    "inputs": {"question": "What are reptiles known for?"},
    "outputs": {"answer": "Having scales"},
    "metadata": {"source": "Wikipedia"},
  },
  {
    "inputs": {"question": "What's the main characteristic of amphibians?"},
    "outputs": {"answer": "They live both in water and on land"},
    "metadata": {"source": "Wikipedia"},
  },
]

client = Client()
dataset_name = "Elementary Animal Questions"

# Storing inputs in a dataset lets us
# run chains and LLMs over a shared set of examples.
dataset = client.create_dataset(
  dataset_name=dataset_name, description="Questions and answers about animal phylogenetics.",
)

# Prepare inputs, outputs, and metadata for bulk creation
client.create_examples(
  dataset_id=dataset.id,
  examples=examples
)

​
从追踪创建数据集

要从追踪的运行（跨度）创建数据集，您可以使用相同的方法。有关如何获取和过滤运行的更多示例，请参阅导出追踪指南。下面是一个示例： 
from langsmith import Client

client = Client()
dataset_name = "Example Dataset"

# Filter runs to add to the dataset
runs = client.list_runs(
  project_name="my_project",
  is_root=True,
  error=False,
)

dataset = client.create_dataset(dataset_name, description="An example dataset")

# Prepare inputs and outputs for bulk creation
examples = [{"inputs": run.inputs, "outputs": run.outputs} for run in runs]

# Use the bulk create_examples method
client.create_examples(
  dataset_id=dataset.id,
  examples=examples
)

​
从CSV文件创建数据集

在本节中，我们将演示如何通过上传CSV文件来创建数据集。 首先，确保您的CSV文件格式正确，列名代表您的输入和输出键。这些键将在上传期间用于正确映射您的数据。您可以为数据集指定可选的名称和描述。否则，文件名将用作数据集名称，并且不会提供描述。 
from langsmith import Client
import os

client = Client()
csv_file = 'path/to/your/csvfile.csv'
input_keys = ['column1', 'column2'] # replace with your input column names
output_keys = ['output1', 'output2'] # replace with your output column names

dataset = client.upload_csv(
  csv_file=csv_file,
  input_keys=input_keys,
  output_keys=output_keys,
  name="My CSV Dataset",
  description="Dataset created from a CSV file",
  data_type="kv"
)

​
从pandas DataFrame创建数据集（仅限Python）

Python客户端提供了一个额外的便捷方法，用于从pandas数据框上传数据集。 
from langsmith import Client
import os
import pandas as pd

client = Client()
df = pd.read_parquet('path/to/your/myfile.parquet')
input_keys = ['column1', 'column2'] # replace with your input column names
output_keys = ['output1', 'output2'] # replace with your output column names

dataset = client.upload_dataframe(
    df=df,
    input_keys=input_keys,
    output_keys=output_keys,
    name="My Parquet Dataset",
    description="Dataset created from a parquet file",
    data_type="kv" # The default
)

​
获取数据集

您可以使用Python和TypeScript SDK中的 list_datasets/listDatasets 方法从LangSmith程序化获取数据集。以下是一些常见调用。
在运行以下代码片段之前，请先初始化客户端。
from langsmith import Client

client = Client()

​
查询所有数据集

datasets = client.list_datasets()

​
按名称列出数据集

如果您想按确切名称搜索，可以执行以下操作： 
datasets = client.list_datasets(dataset_name="My Test Dataset 1")
如果您想进行不区分大小写的子字符串搜索，请尝试以下操作： 
datasets = client.list_datasets(dataset_name_contains="some substring")

​
按类型列出数据集

您可以按类型过滤数据集： 
datasets = client.list_datasets(data_type="kv")

​
获取示例

您可以使用Python和TypeScript SDK中的 list_examples/listExamples 方法从LangSmith程序化获取示例。以下是一些常见调用。
在运行以下代码片段之前，请先初始化客户端。
from langsmith import Client

client = Client()

​
列出数据集的所有示例

您可以按数据集ID过滤： 
examples = client.list_examples(dataset_id="c9ace0d8-a82c-4b6c-13d2-83401d68e9ab")
或者您可以按数据集名称过滤（这必须与您要查询的数据集名称完全匹配） 
examples = client.list_examples(dataset_name="My Test Dataset")

​
按ID列出示例

您也可以按ID列出多个示例。 
example_ids = [
  '734fc6a0-c187-4266-9721-90b7a025751a',
  'd6b4c1b9-6160-4d63-9b61-b034c585074f',
  '4d31df4e-f9c3-4a6e-8b6c-65701c2fed13',
]

examples = client.list_examples(example_ids=example_ids)

​
按元数据列出示例

您也可以按元数据过滤示例。下面是一个查询具有特定元数据键值对的示例的示例。在底层，我们会检查示例的元数据是否包含您指定的键值对。 例如，如果您有一个元数据为 {"foo": "bar", "baz": "qux"} 的示例，那么 {foo: bar} 和 {baz: qux} 都会匹配，{foo: bar, baz: qux} 也会匹配。 
examples = client.list_examples(dataset_name=dataset_name, metadata={"foo": "bar"})

​
按结构化过滤器列出示例

类似于您可以使用结构化过滤器查询语言来获取运行，您也可以使用它来获取示例。
这目前仅在Python SDK的v0.1.83及更高版本和TypeScript SDK的v0.1.35及更高版本中可用。此外，结构化过滤器查询语言仅支持 metadata 字段。
您可以使用 has 运算符来获取元数据字段包含特定键/值对的示例，使用 exists 运算符来获取元数据字段包含特定键的示例。此外，您可以使用 and 运算符将多个过滤器链接在一起，并使用 not 运算符对过滤器取反。 
examples = client.list_examples(
  dataset_name=dataset_name,
  filter='and(not(has(metadata, \'{"foo": "bar"}\')), exists(metadata, "tenant_id"))'
)

​
更新示例

​
更新单个示例

您可以使用Python和TypeScript SDK中的 update_example/updateExample 方法从LangSmith程序化更新示例。下面是一个示例。 
client.update_example(
  example_id=example.id,
  inputs={"input": "updated input"},
  outputs={"output": "updated output"},
  metadata={"foo": "bar"},
  split="train"
)

​
批量更新示例

您还可以使用Python和TypeScript SDK中的 update_examples/updateExamples 方法在单个请求中程序化更新多个示例。下面是一个示例。 
client.update_examples(
  example_ids=[example.id, example_2.id],
  inputs=[{"input": "updated input 1"}, {"input": "updated input 2"}],
  outputs=[
      {"output": "updated output 1"},
      {"output": "updated output 2"},
  ],
  metadata=[{"foo": "baz"}, {"foo": "qux"}],
  splits=[["training", "foo"], "training"] # Splits can be arrays or standalone strings
)
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。