LangSmith 入门教程:给 LangGraph 与原生 OpenAI / Claude 接口加调用链追踪、Token 成本统计与免费层限额

智能体多步调用总是找不到哪一轮提示词跑偏、单次请求到底烧了多少 Token?本文按 LangSmith 官方文档讲清环境变量零侵入接入 LangGraph、用 wrap_openai / wrap_anthropic 与 @traceable 追踪原生接口,以及 Developer 免费层额度与留存规则。

NNathaniel bigo··原创首发·AI 辅助撰写
10 分钟读完
资料核对于 2026-11-18 · 依据官方文档与公开资料整理 免费账号 账号

结论先说

  1. 完全不依赖 LangChain 框架也能独立使用:只要安装极轻量的 langsmith SDK,用一行 wrap_openai 或 wrap_anthropic 加上 @traceable 装饰器,就能把纯原生 Python / TypeScript 代码的完整调用树上报到控制台。
  2. LangGraph 与 LangChain 项目真正零改代码:只需在环境变量里设好 LANGSMITH_TRACING=true 与 LANGSMITH_API_KEY,所有图节点流转、条件边跳转与工具返回会自动串成嵌套火焰图。
  3. 自动折算 Token 成本与缓存明细:控制台会按模型公开单价自动统计输入、输出及提示词缓存命中 Token,哪一步烧钱一眼可见(各家单价对照见 AI 大模型 API 官方价格对比)。
  4. 个人 Developer 档自带月度免费额度:注册即送单人工作区与月度免费基础 Trace 配额(超额前适合个人开发联调,默认留存期较短),日志异步后台上报不阻塞主业务响应。
  5. AI 编程工具与会员充值入口:日常编写与调试智能体代码若需搭配高配额终端助手,可在本站免外币卡开通 Claude Code 订阅 或 ChatGPT Plus,更多开发者订阅见 AI 会员充值中心。

LangSmith 三种主流接入方式对比

图:本站根据 LangSmith 官方文档:Trace with LangSmith 整理的示意图

本文根据 LangSmith 官方文档与 LangChain 官方定价页整理,资料核对于 2026-11-18。配图为本站整理的示意图,不是界面截图。本站(bigolab.com)不是 LangChain 官方网站。

适用于谁

  • 用 LangGraph 或原生 OpenAI、Anthropic SDK 写多步智能体,遇到工具死循环或回答跑偏却没法看中间拼接提示词的开发者;
  • 想在后台直观看到每次问答的首字延迟(TTFT)、各子节点耗时占比与缓存命中 Token 成本的团队;
  • 想弄清不用 LangChain 框架能不能单独用 LangSmith,以及个人免费版够不够日常调试的人。

一、三步完成初始化:拿密钥与配环境变量

如果你是第一次申请大模型接口密钥,可先参考 大模型 API 从申请 Key 到首次调用入门。接入 LangSmith 只需三步准备:

  1. 生成 API Key:登录 https://smith.langchain.com(支持 GitHub 或 Google 账号登录),点击左下角齿轮图标进入 Settings > API Keys > Create API Key,选择 Personal Access Token 并复制保存 lsv2_pt_... 开头的密钥。
  2. 安装依赖包:在虚拟环境中执行 pip install -U langsmith openai anthropic。
  3. 写入三项核心环境变量(新版官方统一使用 LANGSMITH_* 前缀,同时向下兼容旧版 LANGCHAIN_TRACING_V2):
bash
export LANGSMITH_TRACING="true"
export LANGSMITH_API_KEY="lsv2_pt_你的真实密钥"
export LANGSMITH_PROJECT="rag-agent-dev"   # 不填默认归入 default 项目

如果你的工程基于 LangGraph 或 LangChain 构建,配完上面三行环境变量直接运行原有脚本,打开网页后台就能看到完整节点拓扑与状态变更,一行 Python 代码都不用动。

二、原生 OpenAI / Claude 接口怎么加嵌套追踪

LangSmith 四步接入调用链追踪

图:本站根据 LangSmith 官方文档 整理的示意图

很多生产项目嫌重没有引 LangChain,而是直接调官方 openai 或 anthropic SDK。此时把 客户端包装器(Wrappers) 与 @traceable 装饰器 组合起来效果最好:外层函数加 @traceable 建立父根节点,内部多次向量检索、重排和大模型请求就会自动收纳在同一条 Trace 树下,而不是散成几条孤立记录:

python
from openai import OpenAI
from anthropic import Anthropic
from langsmith import traceable
from langsmith.wrappers import wrap_openai, wrap_anthropic

# 包装原生客户端,后续所有调用自动记录模型参数、耗时与 Token
oai_client = wrap_openai(OpenAI())
claude_client = wrap_anthropic(Anthropic())

@traceable(run_type="retriever", name="vector_search")
def retrieve_docs(query: str) -> list[str]:
    return ["退换货规则:签收 7 天内未拆封支持无理由退货。"]

@traceable(name="customer_qa_pipeline", metadata={"env": "staging"})
def answer_question(user_query: str) -> str:
    docs = retrieve_docs(user_query)
    resp = claude_client.messages.create(
        model="claude-sonnet-4-5",
        max_tokens=512,
        messages=[{"role": "user", "content": f"依据:{docs}\n问题:{user_query}"}],
    )
    return resp.content[0].text

print(answer_question("拆封了还能退货吗?"))

运行后点开 rag-agent-dev 项目里的这条记录,左侧会清晰展示父节点 customer_qa_pipeline 下挂着 vector_search(绿色检索图标)与 Messages(大模型图标),右侧能直接检查提示词缓存是否命中。关于两家前缀缓存的触发门槛,可对照 OpenAI API 提示词缓存教程 与 Claude 提示词缓存入门。

订阅与账号准备提示:开发阶段除了用 API 跑追踪流水线,日常写业务逻辑与排查慢链路强烈建议交给高频编程订阅承担,省去心疼按量 API 账单;国内开发者可在本站免外币卡开通 Claude Pro 或 ChatGPT Plus。

三、免费层(Developer)限额、数据脱敏与采样控制

上线前务必了解官方计费与隐私控制边界:

关注维度官方规则说明(以定价页当天为准)工程配置建议
Developer 免费层限额面向单人开发者免费开放,含每月固定免费基础 Trace 配额(常见为 5,000 条/月),数据默认保留 14 天本地开发与小流量验证够用;多人协作或需 400 天长留存再升级 Plus 档
开启追踪对接口延迟的影响SDK 采用后台异步线程批量打包发送日志,不阻塞主请求返回Serverless(如 AWS Lambda / Vercel)环境退出前需开 LANGSMITH_TRACING_BACKGROUND=false 或调 flush 防丢包
生产高并发采样与脱敏支持设 LANGSMITH_TRACING_SAMPLING_RATE=0.1(仅采 10% 流量),支持注册匿名化函数遮蔽手机号密钥严禁在内网严监管金融医疗场景裸传明文隐私字段;必须不出内网请改用自建开源方案

常见问题

问:配好了环境变量,为什么网页控制台里一条记录都没有?

答:按顺序核查三处:第一,LANGSMITH_TRACING 字符串是否拼成了纯小写 "true";第二,若账号建在欧盟区(eu.smith.langchain.com),必须额外配置 LANGSMITH_ENDPOINT="https://eu.api.smith.langchain.com";第三,短生命周期脚本刚跑完进程就退出导致后台队列没来得及发完,可在脚本末尾调用 langsmith.Client().flush() 验证。

问:一条复杂的 LangGraph 对话跑了 8 个节点,算 1 条 Trace 还是 8 条?

答:按 LangSmith 官方计费口径,一次完整顶层调用树算作 1 条根 Trace(内部包含多个子 Run / Span),这也是为什么要用 @traceable 把同一次用户请求包在一个根节点下,既清晰又省免费配额。

问:公司要求所有提问日志绝不能发往外部 SaaS 云端怎么办?

答:LangSmith 自托管版仅面向 Enterprise 企业商业合同开放;中小团队若要求零授权费在自己服务器用 Docker 私有化部署可观测平台,直接选用 MIT/开源自托管方案(如 Langfuse)更合适。

问:人在国内没有境外信用卡,怎么开通 Claude 或 ChatGPT 会员辅助写代码?

答:可在本站 AI 会员充值中心 自助选购 Claude Pro 免上号卡密 或 ChatGPT Plus 充值服务(无需交出账号密码),支持支付宝、微信支付与 AlipayHK 付款并可开具增值税发票;实时价格与售后边界(掉订阅按剩余天数折退,封号不在质保范围)以商品页展示为准。

相关教程

参考资料

  • LangSmith 官方文档:Trace with LangSmith — https://docs.smith.langchain.com/observability/how_to_guides/trace_with_langsmith
  • LangSmith 官方文档首页 — https://docs.smith.langchain.com/
  • LangChain & LangSmith 官方定价页 — https://www.langchain.com/pricing

Nathaniel 的更多内容

  1. 01

    独立开发者用 ChatGPT + Codex 跑通产品全流程:市场验证、PRD、原型到代码上线复盘清单

    单人做独立产品最容易陷入「闭门写两个月代码上线零用户」或「AI 写到一半目录越改越崩」。本文整理「ChatGPT 负责市场验证、PRD 与复盘 + Codex 负责工程实现与测试」的五阶段双轨流程,附起手提示词与 7 项上线复盘清单。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成规范文件命名规则、整理混乱目录树与合并零散发票抬头清单脚本

    面对满桌面的「新建文件夹」「最终版2」和上百张零散电子发票,手工改名抄台账耗时又容易漏重。本文分享先脱敏取样、再用 ChatGPT 生成带预演和回滚日志的本地 Python 脚本,离线安全完成目录整理与发票抬头合并去重的实战流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外邮件营销(EDM)受众分层文案、A/B 主题行测试与防进垃圾箱自检

    做海外独立站或出海 SaaS 邮件营销(EDM),最怕千人一面群发被直接送进垃圾箱。本文结合 Gmail/Yahoo 批量发件人规范,梳理用 ChatGPT 设计受众分层文案、批量生成 A/B 主题行矩阵并开展发前垃圾词与合规自检的实战提示词。

    ChatGPT0
  4. 04

    用 ChatGPT 写 Notion Formula 2.0 公式、Obsidian Dataview 查询与 Airtable 自动化脚本

    给 Notion 数据库写多条件 Formula 2.0 公式、给 Obsidian 写 Dataview 动态看板,或在 Airtable 里写自动化脚本,经常因为一个小括号或类型不匹配报错半天。本文整理三大工具的通用上下文喂料规范与三套直接可复制的生成提示词。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 处理复杂 JSON / YAML / XML 字段映射、格式转换与校验规则编写实战

    对接第三方 API、迁移 Kubernetes 配置或解析政企 XML 报文时,手工对照几百行嵌套字段既慢又容易漏掉空值与类型边界。本文整理用 ChatGPT 完成字段映射表梳理、生成确定性转换脚本以及编写 JSON Schema / Pydantic / XSD 校验规则的实战流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 准备本科/硕士毕业论文答辩:提炼答辩 PPT 结构、模拟导师犀利追问与 3 分钟自述稿

    毕业论文写完后,要在 3–5 分钟内讲清研究价值并顶住答辩评委的连环追问并不轻松。本文整理在严格遵守高校学术规范的前提下,用 ChatGPT 提炼答辩 PPT 结构、打磨 3 分钟口语自述稿并开展模拟导师犀利追问的排练流程与提示词。

    ChatGPT0

同产品的其他教程

  1. 01

    用 ChatGPT 速读英文产品手册、开源文档与 GitHub Issue 并沉淀团队中文内训手册

    团队引入海外 SaaS 工具或开源框架时,全英文文档晦涩冗长、真正的坑全藏在几十页 GitHub Issue 讨论里。本文分享速读拆解英文手册、归类 Issue 排障库以及重构团队中文内训 SOP 的完整实战流程。

    ChatGPT其他 AI 工具0
  2. 02

    用 ChatGPT 写油猴脚本(Tampermonkey)与浏览器书签小工具解决网页繁琐重复操作实战

    每天在后台系统里重复勾选几十个复选框、手工复制网页表格或清理遮挡阅读的侧边栏,既枯燥又浪费时间。本文分享不会写 JS 也能用 F12 配合 ChatGPT 写出油猴脚本与书签小工具的完整实战流程。

    ChatGPT其他 AI 工具0
  3. 03

    用 ChatGPT 写高质量 SQL 窗口函数(RANK / LAG / SUM OVER)做留存与漏斗分析实战

    做用户留存率、复购间隔与有序转化漏斗时,多层自连接既难读又拖垮数据库,窗口函数则是高效解法。本文整理数据库方言喂数规范、CTE 分层提示词以及用内置沙盒先验证再上线的完整实战流程。

    ChatGPT其他 AI 工具0
  4. 04

    ChatGPT 连接 Canva、Figma、Linear、Jira、Dropbox 等第三方应用搜不到数据或授权失效怎么办

    在 ChatGPT 接入 Canva、Figma、Linear、Jira 或 Dropbox 后,明明显示已连接却搜不到文件工单,或老提示授权失效怎么办?本文拆解账号错绑、OAuth 范围漏选、权限继承与管理员拦截 5 步排障法。

    ChatGPT其他 AI 工具0
  5. 05

    Anthropic Contextual Retrieval(上下文增强检索)是什么、怎么实现:给文档块自动补背景摘要结合缓存降失误率

    长文档切成小块后丢了公司名、年份和主语指代导致 RAG 频频搜错?本文按 Anthropic 官方技术文章详解 Contextual Retrieval 原理、官方公开评测失误率下降 49% 至 67% 的组合架构,以及用 Claude 提示词缓存低成本批量生成切片背景的完整 Python 代码。

    Claude其他 AI 工具0
  6. 06

    RAG 知识库回答不准怎么调优:切片大小(Chunking)、BM25 + 向量混合检索与 Rerank 重排序三步排查法

    搭好的 RAG 企业知识库一问具体型号、报错码或跨行表格就答非所问?本文按 OpenAI 与 Anthropic 官方检索文档,给出先隔离检索与生成故障、再按结构化切片(Chunking)、BM25 加向量混合召回(RRF)与 Rerank 重排序逐层调优的三步法。

    Claude其他 AI 工具0

0 条评论

登录 后参与评论

还没有评论,来抢沙发~