Skip to main content
LangSmith 通过捕获 追踪 为您提供对大语言模型应用的端到端可见性；追踪是请求期间运行的每个步骤的完整记录，从传入的输入到返回的最终输出。 在本快速入门中，您将为一个 AI 助手添加追踪，并在 LangSmith 中查看结果。
如果您正在使用 LangChain 或 LangGraph 进行构建，您可以通过单个环境变量启用 LangSmith 追踪。请参阅 使用 LangChain 追踪 或 使用 LangGraph 追踪。

​
前提条件

在开始之前，请确保您已具备： 本示例使用 OpenAI 作为大语言模型提供商。您可以将其调整为您自己的提供商。

​
1. 设置您的环境

  1. 创建一个项目目录，安装依赖项，并配置所需的环境变量： 
    mkdir ls-quickstart && cd ls-quickstart
python -m venv .venv && source .venv/bin/activate
pip install -U langsmith openai
  2. 在您的 shell 中导出环境变量： 
    export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY="<your-langsmith-api-key>"
export OPENAI_API_KEY="<your-openai-api-key>"
    要将跟踪数据发送到特定项目，请使用 LANGSMITH_PROJECT 环境变量。如果未设置该变量，LangSmith 将在跟踪数据摄取时自动创建一个默认跟踪项目。
    如果您使用的是 Anthropic，请使用 Anthropic 包装器。如果您使用的是 Google Gemini，请使用 Gemini 包装器。对于其他提供商，请使用 @traceable 装饰器 手动追踪调用。

​
2. 构建应用

以下应用使用两个 LangSmith 工具来添加追踪：
  • wrap_openai：包装 OpenAI 客户端，以便每次大语言模型调用都自动记录为一个嵌套跨度。
  • @traceable：包装一个函数，使其输入、输出和任何嵌套跨度在 LangSmith 中显示为单个追踪。
assistant 函数调用一个工具 (get_context) 来检索相关上下文，然后将该上下文传递给模型。在两个函数上使用 @traceable 可以将整个管道捕获在一个追踪中，工具调用和大语言模型调用作为嵌套跨度。 创建一个名为 app.py（或 index.ts）的文件，包含以下代码： 
from openai import OpenAI
from langsmith.wrappers import wrap_openai
from langsmith import traceable

client = wrap_openai(OpenAI())  # 自动记录每次 OpenAI 调用

@traceable(run_type="tool")  # 将此追踪为工具跨度
def get_context(question: str) -> str:
    # 在真实应用中，这会查询知识库或向量存储
    return "LangSmith 追踪在开发者计划中保留 14 天。"

@traceable  # 将整个管道捕获为单个追踪
def assistant(question: str) -> str:
    context = get_context(question)
    response = client.chat.completions.create(
        model="gpt-5.4-mini",
        messages=[
            {
                "role": "system",
                "content": f"使用以下上下文回答。\n\n上下文：{context}",
            },
            {"role": "user", "content": question},
        ],
    )
    return response.choices[0].message.content

if __name__ == "__main__":
    print(assistant("LangSmith 追踪保留多久？"))

​
3. 运行应用

python app.py

​
4. 查看您的追踪

在 LangSmith UI 中，转到 追踪 并选择您的 default 项目。点击 assistant 行以打开 追踪 详情面板，其中显示了 assistant 函数，其中嵌套了 get_context 工具调用和 OpenAI 调用。 LangSmith UI 显示一个追踪，其中包含外部应用跨度和嵌套的大语言模型调用跨度。 外部跨度捕获了您的 assistant 函数的输入和输出。嵌套的 get_context 跨度记录了工具调用，而 ChatOpenAI 跨度记录了发送给模型的确切提示和返回的响应。
您也可以使用 LangSmith CLI 从终端检查追踪。

​
后续步骤

记录追踪后，使用 Polly 分析它们，并获取有关应用性能的 AI 驱动洞察。
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。