LangSmith 入門教學:給 LangGraph 與原生 OpenAI / Claude 接口加調用鏈追蹤、Token 成本統計與免費層限額

智能體多步調用總是找不到哪一輪提示詞跑偏、單次請求到底燒了多少 Token?本文按 LangSmith 官方文檔講清環境變量零侵入接入 LangGraph、用 wrap_openai / wrap_anthropic 與 @traceable 追蹤原生接口,以及 Developer 免費層額度與留存規則。

NNathaniel bigo··原創首發·AI 輔助撰寫
10 分鐘讀完
資料核對於 2026-11-18 · 依據官方文檔與公開資料整理 免費帳號 帳號

結論先說

  1. 完全不依賴 LangChain 框架也能獨立使用:只要安裝極輕量的 langsmith SDK,用一行 wrap_openai 或 wrap_anthropic 加上 @traceable 裝飾器,就能把純原生 Python / TypeScript 代碼的完整調用樹上報到控制檯。
  2. LangGraph 與 LangChain 項目真正零改代碼:只需在環境變量裏設好 LANGSMITH_TRACING=true 與 LANGSMITH_API_KEY,所有圖節點流轉、條件邊跳轉與工具返回會自動串成嵌套火焰圖。
  3. 自動折算 Token 成本與緩存明細:控制檯會按模型公開單價自動統計輸入、輸出及提示詞緩存命中 Token,哪一步燒錢一眼可見(各家單價對照見 AI 大模型 API 官方價格對比)。
  4. 個人 Developer 檔自帶月度免費額度:註冊即送單人工作區與月度免費基礎 Trace 配額(超額前適合個人開發聯調,預設留存期較短),日誌異步後台上報不阻塞主業務響應。
  5. AI 編程工具與會員充值入口:日常編寫與調試智能體代碼若需搭配高配額終端助手,可在本站免外幣卡開通 Claude Code 訂閱 或 ChatGPT Plus,更多開發者訂閱見 AI 會員充值中心。

LangSmith 三種主流接入方式對比

圖:本站根據 LangSmith 官方文檔:Trace with LangSmith 整理的示意圖

本文根據 LangSmith 官方文檔與 LangChain 官方定價頁整理,資料核對於 2026-11-18。配圖為本站整理的示意圖,不是介面截圖。本站(bigolab.com)不是 LangChain 官方網站。

適用於誰

  • 用 LangGraph 或原生 OpenAI、Anthropic SDK 寫多步智能體,遇到工具死循環或回答跑偏卻沒法看中間拼接提示詞的開發者;
  • 想在後台直觀看到每次問答的首字延遲(TTFT)、各子節點耗時佔比與緩存命中 Token 成本的團隊;
  • 想弄清不用 LangChain 框架能不能單獨用 LangSmith,以及個人免費版夠不夠日常調試的人。

一、三步完成初始化:拿密鑰與配環境變量

如果你是第一次申請大模型接口密鑰,可先參考 大模型 API 從申請 Key 到首次調用入門。接入 LangSmith 只需三步準備:

  1. 生成 API Key:登入 https://smith.langchain.com(支持 GitHub 或 Google 帳號登入),點擊左下角齒輪圖標進入 Settings > API Keys > Create API Key,選擇 Personal Access Token 並複製儲存 lsv2_pt_... 開頭的密鑰。
  2. 安裝依賴包:在虛擬環境中執行 pip install -U langsmith openai anthropic。
  3. 寫入三項核心環境變量(新版官方統一使用 LANGSMITH_* 前綴,同時向下兼容舊版 LANGCHAIN_TRACING_V2):
bash
export LANGSMITH_TRACING="true"
export LANGSMITH_API_KEY="lsv2_pt_你的真實密鑰"
export LANGSMITH_PROJECT="rag-agent-dev"   # 不填預設歸入 default 項目

如果你的工程基於 LangGraph 或 LangChain 構建,配完上面三行環境變量直接運行原有腳本,打開網頁後台就能看到完整節點拓撲與狀態變更,一行 Python 代碼都不用動。

二、原生 OpenAI / Claude 接口怎麼加嵌套追蹤

LangSmith 四步接入調用鏈追蹤

圖:本站根據 LangSmith 官方文檔 整理的示意圖

很多生產項目嫌重沒有引 LangChain,而是直接調官方 openai 或 anthropic SDK。此時把 客戶端包裝器(Wrappers) 與 @traceable 裝飾器 組合起來效果最好:外層函數加 @traceable 建立父根節點,內部多次向量檢索、重排和大模型請求就會自動收納在同一條 Trace 樹下,而不是散成幾條孤立記錄:

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

# 包裝原生客戶端,後續所有調用自動記錄模型參數、耗時與 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 ["退換貨規則:簽收 7 天內未拆封支持無理由退貨。"]

@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"依據:{docs}\n問題:{user_query}"}],
    )
    return resp.content[0].text

print(answer_question("拆封了還能退貨嗎?"))

運行後點開 rag-agent-dev 項目裏的這條記錄,左側會清晰展示父節點 customer_qa_pipeline 下掛着 vector_search(綠色檢索圖標)與 Messages(大模型圖標),右側能直接檢查提示詞緩存是否命中。關於兩家前綴緩存的觸發門檻,可對照 OpenAI API 提示詞緩存教學 與 Claude 提示詞緩存入門。

訂閱與帳號準備提示:開發階段除了用 API 跑追蹤流水線,日常寫業務邏輯與排查慢鏈路強烈建議交給高頻編程訂閱承擔,省去心疼按量 API 帳單;國內開發者可在本站免外幣卡開通 Claude Pro 或 ChatGPT Plus。

三、免費層(Developer)限額、數據脫敏與採樣控制

上線前務必了解官方計費與私隱控制邊界:

關注維度官方規則說明(以定價頁當天為準)工程配置建議
Developer 免費層限額面向單人開發者免費開放,含每月固定免費基礎 Trace 配額(常見為 5,000 條/月),數據預設保留 14 天本地開發與小流量驗證夠用;多人協作或需 400 天長留存再升級 Plus 檔
開啟追蹤對接口延遲的影響SDK 採用後台異步線程批量打包發送日誌,不阻塞主請求返回Serverless(如 AWS Lambda / Vercel)環境退出前需開 LANGSMITH_TRACING_BACKGROUND=false 或調 flush 防丟包
生產高並發採樣與脫敏支持設 LANGSMITH_TRACING_SAMPLING_RATE=0.1(僅採 10% 流量),支持註冊匿名化函數遮蔽手機號密鑰嚴禁在內網嚴監管金融醫療場景裸傳明文私隱字段;必須不出內網請改用自建開源方案

常見問題

問:配好了環境變量,為什麼網頁控制檯裏一條記錄都沒有?

答:按順序核查三處:第一,LANGSMITH_TRACING 字符串是否拼成了純小寫 "true";第二,若帳號建在歐盟區(eu.smith.langchain.com),必須額外配置 LANGSMITH_ENDPOINT="https://eu.api.smith.langchain.com";第三,短生命週期腳本剛跑完進程就退出導致後台隊列沒來得及發完,可在腳本末尾調用 langsmith.Client().flush() 驗證。

問:一條複雜的 LangGraph 對話跑了 8 個節點,算 1 條 Trace 還是 8 條?

答:按 LangSmith 官方計費口徑,一次完整頂層調用樹算作 1 條根 Trace(內部包含多個子 Run / Span),這也是為什麼要用 @traceable 把同一次用戶請求包在一個根節點下,既清晰又省免費配額。

問:公司要求所有提問日誌絕不能發往外部 SaaS 雲端怎麼辦?

答:LangSmith 自託管版僅面向 Enterprise 企業商業合同開放;中小團隊若要求零授權費在自己伺服器用 Docker 私有化部署可觀測平台,直接選用 MIT/開源自託管方案(如 Langfuse)更合適。

問:人在國內沒有境外信用卡,怎麼開通 Claude 或 ChatGPT 會員輔助寫代碼?

答:可在本站 AI 會員充值中心 自助選購 Claude Pro 免上號卡密 或 ChatGPT Plus 充值服務(無需交出帳號密碼),支持支付寶、微信支付與 AlipayHK 付款並可開具增值稅發票;實時價格與售後邊界(掉訂閱按剩餘天數折退,封號不在質保範圍)以商品頁展示為準。

相關教學

參考資料

  • LangSmith 官方文檔:Trace with LangSmith — https://docs.smith.langchain.com/observability/how_to_guides/trace_with_langsmith
  • LangSmith 官方文檔首頁 — https://docs.smith.langchain.com/
  • LangChain & LangSmith 官方定價頁 — https://www.langchain.com/pricing

Nathaniel 的更多內容

  1. 01

    獨立開發者用 ChatGPT + Codex 跑通產品全流程:市場驗證、PRD、原型到代碼上線覆盤清單

    單人做獨立產品最容易陷入「閉門寫兩個月代碼上線零用戶」或「AI 寫到一半目錄越改越崩」。本文整理「ChatGPT 負責市場驗證、PRD 與覆盤 + Codex 負責工程實現與測試」的五階段雙軌流程,附起手提示詞與 7 項上線覆盤清單。

    ChatGPTCodex0
  2. 02

    用 ChatGPT 批量生成規範文件命名規則、整理混亂目錄樹與合併零散發票抬頭清單腳本

    面對滿桌面的「新建文件夾」「最終版2」和上百張零散電子發票,手工改名抄台帳耗時又容易漏重。本文分享先脫敏取樣、再用 ChatGPT 生成帶預演和回滾日誌的本地 Python 腳本,離線安全完成目錄整理與發票抬頭合併去重的實戰流程。

    ChatGPT0
  3. 03

    用 ChatGPT 做海外電郵營銷(EDM)受眾分層文案、A/B 主題行測試與防進垃圾箱自檢

    做海外獨立站或出海 SaaS 電郵營銷(EDM),最怕千人一面群發被直接送進垃圾箱。本文結合 Gmail/Yahoo 批量發件人規範,梳理用 ChatGPT 設計受眾分層文案、批量生成 A/B 主題行矩陣並開展發前垃圾詞與合規自檢的實戰提示詞。

    ChatGPT0
  4. 04

    用 ChatGPT 寫 Notion Formula 2.0 公式、Obsidian Dataview 查詢與 Airtable 自動化腳本

    給 Notion 數據庫寫多條件 Formula 2.0 公式、給 Obsidian 寫 Dataview 動態看板,或在 Airtable 裏寫自動化腳本,經常因為一個小括號或類型不匹配報錯半天。本文整理三大工具的通用上下文喂料規範與三套直接可複製的生成提示詞。

    ChatGPT其他 AI 工具0
  5. 05

    用 ChatGPT 處理複雜 JSON / YAML / XML 字段映射、格式轉換與校驗規則編寫實戰

    對接第三方 API、遷移 Kubernetes 配置或解析政企 XML 報文時,手工對照幾百行嵌套字段既慢又容易漏掉空值與類型邊界。本文整理用 ChatGPT 完成字段映射表梳理、生成確定性轉換腳本以及編寫 JSON Schema / Pydantic / XSD 校驗規則的實戰流。

    ChatGPT其他 AI 工具0
  6. 06

    用 ChatGPT 準備本科/碩士畢業論文答辯:提煉答辯 PPT 結構、模擬導師犀利追問與 3 分鐘自述稿

    畢業論文寫完後,要在 3–5 分鐘內講清研究價值並頂住答辯評委的連環追問並不輕鬆。本文整理在嚴格遵守高校學術規範的前提下,用 ChatGPT 提煉答辯 PPT 結構、打磨 3 分鐘口語自述稿並開展模擬導師犀利追問的排練流程與提示詞。

    ChatGPT0

同產品的其他教學

  1. 01

    用 ChatGPT 速讀英文產品手冊、開源文檔與 GitHub Issue 並沉澱團隊中文內訓手冊

    團隊引入海外 SaaS 工具或開源框架時,全英文文檔晦澀冗長、真正的坑全藏在幾十頁 GitHub Issue 討論裏。本文分享速讀拆解英文手冊、歸類 Issue 排障庫以及重構團隊中文內訓 SOP 的完整實戰流程。

    ChatGPT其他 AI 工具0
  2. 02

    用 ChatGPT 寫油猴腳本(Tampermonkey)與瀏覽器書籤小工具解決網頁繁瑣重複操作實戰

    每天在後台系統裏重複勾選幾十個複選框、手工複製網頁表格或清理遮擋閱讀的側邊欄,既枯燥又浪費時間。本文分享不會寫 JS 也能用 F12 配合 ChatGPT 寫出油猴腳本與書籤小工具的完整實戰流程。

    ChatGPT其他 AI 工具0
  3. 03

    用 ChatGPT 寫高質素 SQL 窗口函數(RANK / LAG / SUM OVER)做留存與漏斗分析實戰

    做用戶留存率、復購間隔與有序轉化漏斗時,多層自連接既難讀又拖垮數據庫,窗口函數則是高效解法。本文整理數據庫方言喂數規範、CTE 分層提示詞以及用內置沙盒先驗證再上線的完整實戰流程。

    ChatGPT其他 AI 工具0
  4. 04

    ChatGPT 連接 Canva、Figma、Linear、Jira、Dropbox 等第三方應用搜不到數據或授權失效怎麼辦

    在 ChatGPT 接入 Canva、Figma、Linear、Jira 或 Dropbox 後,明明顯示已連接卻搜不到文件工單,或老提示授權失效怎麼辦?本文拆解帳號錯綁、OAuth 範圍漏選、權限繼承與管理員攔截 5 步排障法。

    ChatGPT其他 AI 工具0
  5. 05

    Anthropic Contextual Retrieval(上下文增強檢索)是什麼、怎麼實現:給文檔塊自動補背景摘要結合緩存降失誤率

    長文檔切成小塊後丟了公司名、年份和主語指代導致 RAG 頻頻搜錯?本文按 Anthropic 官方技術文章詳解 Contextual Retrieval 原理、官方公開評測失誤率下降 49% 至 67% 的組合架構,以及用 Claude 提示詞緩存低成本批量生成切片背景的完整 Python 代碼。

    Claude其他 AI 工具0
  6. 06

    RAG 知識庫回答不準怎麼調優:切片大小(Chunking)、BM25 + 向量混合檢索與 Rerank 重排序三步排查法

    搭好的 RAG 企業知識庫一問具體型號、報錯碼或跨行表格就答非所問?本文按 OpenAI 與 Anthropic 官方檢索文檔,給出先隔離檢索與生成故障、再按結構化切片(Chunking)、BM25 加向量混合召回(RRF)與 Rerank 重排序逐層調優的三步法。

    Claude其他 AI 工具0

0 條評論

登入 後參與評論

還沒有評論,來搶沙發~