Documentation Index
Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt
Use this file to discover all available pages before exploring further.
追踪(Traces)是您的应用程序从输入到输出所经历的一系列步骤。其中每个独立的步骤都由一个运行(run)表示。您可以使用 LangSmith 来可视化这些执行步骤。要使用它,请先为您的应用程序启用追踪功能。这使您可以执行以下操作:
前提条件
开始之前,请确保您已具备以下条件:
启用追踪
要为您的应用程序启用追踪,请设置以下环境变量:
export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=<您的-api-key>
默认情况下,追踪日志将记录到名为 default 的项目中。要配置自定义项目名称,请参阅记录到项目。
更多信息,请参见使用 LangGraph 进行追踪。
选择性追踪
您可以选择使用 LangSmith 的 tracing_context 上下文管理器来追踪特定的调用或应用程序的某些部分:
import { LangChainTracer } from "@langchain/core/tracers/tracer_langchain";
// 这将被追踪
const tracer = new LangChainTracer();
await agent.invoke(
{
messages: [{role: "user", content: "向 alice@example.com 发送测试邮件"}]
},
{ callbacks: [tracer] }
);
// 这不会被追踪(如果未设置 LANGSMITH_TRACING)
await agent.invoke(
{
messages: [{role: "user", content: "发送另一封邮件"}]
}
);
记录到项目
您可以通过设置 LANGSMITH_PROJECT 环境变量为整个应用程序设置自定义项目名称:export LANGSMITH_PROJECT=my-agent-project
您可以为特定操作以编程方式设置项目名称:import { LangChainTracer } from "@langchain/core/tracers/tracer_langchain";
const tracer = new LangChainTracer({ projectName: "email-agent-test" });
await agent.invoke(
{
messages: [{role: "user", content: "向 alice@example.com 发送测试邮件"}]
},
{ callbacks: [tracer] }
);
向追踪添加元数据
您可以使用自定义元数据和标签来注释您的追踪:
import { LangChainTracer } from "@langchain/core/tracers/tracer_langchain";
const tracer = new LangChainTracer({ projectName: "email-agent-test" });
await agent.invoke(
{
messages: [{role: "user", content: "向 alice@example.com 发送测试邮件"}]
},
config: {
tags: ["production", "email-assistant", "v1.0"],
metadata: {
userId: "user123",
sessionId: "session456",
environment: "production"
}
},
);
这些自定义元数据和标签将附加到 LangSmith 中的追踪上。
使用匿名化器防止敏感数据记录到追踪中
您可能希望屏蔽敏感数据,以防止其被记录到 LangSmith。您可以创建匿名化器,并通过配置将其应用到您的图中。此示例将把追踪中匹配社会安全号码格式 XXX-XX-XXXX 的任何内容替换为 <ssn>,然后再发送到 LangSmith。
import { StateGraph } from "@langchain/langgraph";
import { LangChainTracer } from "@langchain/core/tracers/tracer_langchain";
import { StateAnnotation } from "./state.js";
import { createAnonymizer } from "langsmith/anonymizer"
import { Client } from "langsmith"
const anonymizer = createAnonymizer([
// 匹配 SSN
{ pattern: /\b\d{3}-?\d{2}-?\d{4}\b/, replace: "<ssn>" }
])
const langsmithClient = new Client({ anonymizer })
const tracer = new LangChainTracer({
client: langsmithClient,
});
export const graph = new StateGraph(StateAnnotation)
.compile()
.withConfig({ callbacks: [tracer] });