快速上手LangChain（四）LangChain Hub和LangSmith

文章目录

快速上手LangChain（四）LangChain Hub和LangSmith
- 什么是LangChain Hub
- - LangChain Hub功能
- LangSmith
- - 使用

快速上手LangChain（四）LangChain Hub和LangSmith

什么是LangChain Hub

LangChain Hub官网地址：https://smith.langchain.com/hub/

早期LangChainHub，类似于github一样，可以理解为LangChain 工具包或者说组件中心，里面提供了高质量的组件方便开发者使用。

后来LangChainHub被放到了LangSmith里，早期的时候LangChainHub有Prompt、Chain、Agent，现在只有Prompt。

LangChain Hub的目标是创建一个分享和发现Prompt的平台，使得开发者可以更容易地发现新用例和精炼提示。随着LLM的发展，提示变得越来越重要，LangChain Hub希望成为开发者发现和分享知识的首选场所。通过汇聚分散的知识，LangChain Hub旨在加速共同的发展和学习。

Explore and contribute prompts to the community hub
探索并为社区中心提供prompts

总结：LangChain Hub是一个用于上传、浏览、拉取和管理提示词(prompts)的地方。

LangChain Hub功能

langsmith在hub上提供以下实用功能：

编辑提示语及提示语版本
类似Playground的提示语运行环境
在应用中加载提示语
与他人共享提示语

我们可以创建自己的prompt使用，并且可以分版本号使用，
通过登录并从你的管理面板导航到 Hub 来探索所有现有提示并上传你自己的提示,
在这里插入图片描述
可以拉取自己的prompt使用!
使用LangChain可以轻松地以编程方式下载提示：

from langchain import hub

export LANGCHAIN_API_KEY=<your key>
prompt = hub.pull("hwchase17/eli5-solar-system")

测试失败，发现模型有限，
在这里插入图片描述
选择自定义模型，必须是

这块目前未测试通过，这块怎么直接用国内的模型api，知道的小伙伴也可以评论区留言,TODO~

LangSmith

官方文档：https://docs.smith.langchain.com/

LangChain 使得原型设计大型语言模型（LLM）应用程序和代理变得容易。
然而，将 LLM 应用程序交付到生产环境可能会异常困难。

LangSmith 帮助您追踪和评估语言模型应用和智能代理，以帮助您从原型过渡到生产环境。

您使用 LangChain 构建的许多应用程序都将包含多个步骤，并多次调用 LLM。随着这些应用程序变得更加复杂，能够检查链或代理内部到底发生了什么是至关重要的。最好的方法是使用LangSmith。

Trace LLM Applications: Gain visibility into LLM calls and other parts of your application’s logic.
跟踪 LLM 应用程序：了解 LLM 调用和应用程序逻辑的其他部分。
Evaluate Performance: Compare results across models, prompts, and architectures to identify what works best.
评估性能：比较不同模型、提示和架构的结果，以确定最有效的方法。
Improve Prompts: Quickly refine prompts to achieve more accurate and reliable results.
改进提示：快速优化提示以获得更准确、更可靠的结果。

使用

使用思路：设置完环境变量后，正常执行langchain代码，会自动在langsmith创建project，可以看到调用链！

安装

pip install -U langsmith

创建一个 API 密钥
进入官网：https://smith.langchain.com/，创建一个 API 密钥，添加环境变量
设置您的环境

export LANGCHAIN_TRACING_V2=true
export LANGCHAIN_API_KEY=<your-api-key>

或者，

import getpass
import os

os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_API_KEY"] = getpass.getpass()

或，

# 加载 .env 文件
load_dotenv()
langchain_api_key = os.getenv("LANGCHAIN_API_KEY")
os.environ["LANGCHAIN_TRACING_V2"] = "true"
os.environ["LANGCHAIN_PROJECT"] = f"LangSmith-start"
os.environ["LANGCHAIN_ENDPOINT"] = "https://api.smith.langchain.com"
os.environ["LANGCHAIN_API_KEY"] = langchain_api_key