"
```
要将跟踪数据发送到特定项目，请使用 [`LANGSMITH_PROJECT` 环境变量](/langsmith/log-traces-to-project)。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](/langsmith/trace-anthropic)。如果您使用的是 Google Gemini，请使用 [Gemini 包装器](/langsmith/trace-with-google-gemini)。对于其他提供商，请使用 [`@traceable` 装饰器](/langsmith/annotate-code#use-%40traceable-%2F-traceable) 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：
```python Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
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？"))
```
```typescript TypeScript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import OpenAI from "openai";
import { wrapOpenAI } from "langsmith/wrappers";
import { traceable } from "langsmith/traceable";
const client = wrapOpenAI(new OpenAI()); // 自动记录每次 OpenAI 调用
const getContext = traceable(
async function getContext(question: string): Promise { // 将此追踪为工具跨度
// 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。";
},
{ run_type: "tool" }
);
const assistant = traceable(async function assistant(question: string) { // 将整个管道捕获为单个追踪
const context = await getContext(question);
const response = await client.chat.completions.create({
model: "gpt-5.4-mini",
messages: [
{
role: "system",
content: `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 ?? null;
});
(async () => {
console.log(await assistant("LangSmith 追踪保留多久？"));
})();
```
## 3. 运行应用
```bash Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
python app.py
```
```bash TypeScript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
npx tsx index.ts
```
## 4. 查看您的追踪
在 [LangSmith UI](https://smith.langchain.com) 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。
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](/langsmith/langsmith-cli) 从终端检查追踪。
## 后续步骤
* [追踪集成](/langsmith/integrations)：LangChain、LangGraph、Anthropic 和其他提供商。
* [追踪大语言模型应用](/langsmith/observability-llm-tutorial)：一个完整的生命周期教程，从原型设计到生产。
* [过滤追踪](/langsmith/filter-traces-in-application)：搜索和导航大型追踪项目。
* [记录到特定项目](/langsmith/log-traces-to-project)：将追踪发送到命名项目，而不是 **default**。
记录追踪后，使用 **[Polly](/langsmith/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](/use-these-docs)到 Claude、VSCode 等，通过 MCP 获取实时答案。
[在 GitHub 上编辑此页面](https://github.com/langchain-ai/docs/edit/main/src/langsmith/observability-quickstart.mdx) 或 [提交问题](https://github.com/langchain-ai/docs/issues/new/choose)。