intro-to-langsmith

跟着官方 Notebook 学会追踪和评估 LLM 应用

intro-to-langsmith 是 LangChain 官方推出的 LangSmith 学院课程配套资源仓库，主要面向希望系统学习 LLM 应用可观测性与评估的开发者。它通过一系列 Jupyter Notebook 教程，讲解如何用 LangSmith 追踪链、代理和工具的调用过程，记录输入输出、延迟与成本，并基于数据集做自动化评估和回归测试。仓库内容覆盖 tracing、数据集管理、评估器编写、实验对比等核心主题，帮助开发者把'凭感觉调 prompt'变成可量化、可复现的工程流程。作为官方教学材料，它结构清晰、示例可直接运行，适合作为团队引入 LLM 可观测性时的入门参考，也方便个人边学边改，快速搭建自己的调试与评测工作流。

开源 free 学习教育

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 165

维护状态较活跃

是否开源是

定价模式 free

项目预览

项目数据

分类学习教育

开发团队langchain-ai

所属国家

官网地址

GitHubhttps://github.com/langchain-ai/intro-to-langsmith

定价模式free

价格说明开源课程资源，免费使用

访问状态

是否开源是

开源协议MIT

主要语言Jupyter Notebook

技术栈/模型

GitHub 星标★ 165

30天Star增速

HF 下载量

上线时间2024-11-07 00:00:00

代码更新—

仓库体积—

本站数据更新—

维护状态较活跃

中文支持

访问方式

移动端支持

综合评分

收录时间2026-10-05

浏览次数0

Star 增长趋势

本站每日记录该项目 GitHub 星标变化，观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

核心亮点

官方出品，与 LangSmith 最新功能同步，示例可直接运行
用 Jupyter Notebook 分步讲解 tracing、数据集、评估器，学习路径清晰
覆盖从调试到回归测试的完整可观测性流程，能直接迁移到实际项目

不足之处

内容偏教学示例，缺少生产级部署与规模化评估的深入实践
仓库体量小、更新依赖课程节奏，社区讨论和扩展案例有限

适用场景

团队初次引入 LLM 可观测性，需要快速上手 LangSmith 的追踪与评估
开发者调试 RAG 或 Agent 时，想用数据集和评估器做回归测试
教学或内部分享中，用现成 Notebook 演示 LLM 应用评测流程

替代项目

langchain、langfuse、phoenix

项目介绍

intro-to-langsmith 是学习教育领域的开源项目，由 langchain-ai 开发，2024 年首次发布。

它收录于学习教育分类，该分类目前共有 455 个项目，GitHub 星标数为 165。

项目保持着较活跃的维护节奏，最近一次代码更新于 2026-09-25。开源课程资源，免费使用。

它主要面向的使用场景是：团队初次引入LLM可观测性，需要快速上手LangSmith的追踪与评估。同类可对比的替代方案包括 langchain、langfuse、phoenix。

上一篇：LangChain-Udemy-Course

下一篇：Machine-Learning