LangSmith

本文介绍如何调试 langchian

与构建任何类型的软件一样，在使用 LLM 构建时，您最终需要调试。模型调用可能会失败，或者模型输出格式错误，或者存在一些嵌套模型调用，这使得难以确定错误输出出现在哪个步骤

调试主要有三种方法

• 详细模式：此模式会在链中的 “重要” 事件上添加打印语句。
• 调试模式：此模式会在链中的所有事件上添加日志语句。
• LangSmith 追踪：这会将事件记录到 LangSmith，以便在其中进行可视化

	详细模式	调试模式	LangSmith 追踪
免费	✅	✅	✅
用户界面	❌	❌	✅
持久化	❌	❌	✅
查看所有事件	❌	✅	✅
查看 “重要” 事件	✅	❌	✅
在本地运行	✅	✅	❌

以下应用于的运行过程记录在：LangSmith

from langchain.agents import AgentExecutor, create_tool_calling_agent  
from langchain_community.tools.tavily_search import TavilySearchResults  
from langchain_core.prompts import ChatPromptTemplate  
  
tools = [TavilySearchResults(max_results=1)]  
prompt = ChatPromptTemplate.from_messages(  
	[  
		(  
			"system",  
			"You are a helpful assistant.",  
		),  
		("placeholder", "{chat_history}"),  
		("human", "{input}"),  
		("placeholder", "{agent_scratchpad}"),  
	]  
)  
  
# Construct the Tools agent  
agent = create_tool_calling_agent(llm, tools, prompt)  
  
# Create an agent executor by passing in the agent and tools  
agent_executor = AgentExecutor(agent=agent, tools=tools)  
agent_executor.invoke(  
{"input": "Who directed the 2023 film Oppenheimer and what is their age in days?"}  
)