[AI Embedchain] 集成 Langsmith

本文涉及的产品
阿里云百炼推荐规格 ADB PostgreSQL,4核16GB 100GB 1个月
简介: [AI Embedchain] 集成 Langsmith

Embedchain 现在支持与 LangSmith 的集成。

要使用 LangSmith,您需要执行以下步骤。

  1. 在 LangSmith 上拥有一个账户并准备好环境变量
  2. 在您的应用中设置环境变量,以便 embedchain 了解上下文
  3. 只需使用 embedchain,一切将自动记录到 LangSmith,以便您可以更好地测试和监控您的应用

让我们详细介绍每个步骤。

  • 首先确保您已创建 LangSmith 账户并拥有所有必要的变量。LangSmith 有一份良好的文档介绍如何开始使用他们的服务。

  • 设置账户后,我们需要以下环境变量

# 为 LangChain Tracing V2 集成设置环境变量。
export LANGCHAIN_TRACING_V2=true

# 为 LangChain 设置 API 端点。
export LANGCHAIN_ENDPOINT=https://api.smith.langchain.com

# 将 '<your-api-key>' 替换为您的 LangChain API 密钥。
export LANGCHAIN_API_KEY=<your-api-key>

# 将 '<your-project>' 替换为您的 LangChain 项目名称,或者默认为 "default"。
export LANGCHAIN_PROJECT=<your-project>  # 如果未指定,默认为 "default"

如果您使用 Python,可以使用以下代码设置环境变量

import os

# 为 LangChain Tracing V2 集成设置环境变量。
os.environ['LANGCHAIN_TRACING_V2'] = 'true'

# 为 LangChain 设置 API 端点。
os.environ['LANGCHAIN_ENDPOINT'] = 'https://api.smith.langchain.com'

# 将 '<your-api-key>' 替换为您的 LangChain API 密钥。
os.environ['LANGCHAIN_API_KEY'] = '<your-api-key>'

# 将 '<your-project>' 替换为您的 LangChain 项目名称。
os.environ['LANGCHAIN_PROJECT'] = '<your-project>'
  • 现在使用 Embedchain 创建一个应用,一切将自动在 LangSmith 中可见
from embedchain import App

# 初始化 EmbedChain 应用。
app = App()

# 向您的应用添加数据
app.add("https://en.wikipedia.org/wiki/Elon_Musk")

# 查询您的应用
app.query("How many companies did Elon found?")
  • 现在,这整个日志将在 langsmith 中可见。

langsmith

引用

相关实践学习
AnalyticDB PostgreSQL 企业智能数据中台:一站式管理数据服务资产
企业在数据仓库之上可构建丰富的数据服务用以支持数据应用及业务场景;ADB PG推出全新企业智能数据平台,用以帮助用户一站式的管理企业数据服务资产,包括创建, 管理,探索, 监控等; 助力企业在现有平台之上快速构建起数据服务资产体系
相关文章
|
1月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
简介:本文整理自阿里云高级技术专家李麟在Flink Forward Asia 2025新加坡站的分享,介绍了Flink 2.1 SQL在实时数据处理与AI融合方面的关键进展,包括AI函数集成、Join优化及未来发展方向,助力构建高效实时AI管道。
467 43
|
1月前
|
SQL 人工智能 JSON
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
本文整理自阿里云的高级技术专家、Apache Flink PMC 成员李麟老师在 Flink Forward Asia 2025 新加坡[1]站 —— 实时 AI 专场中的分享。将带来关于 Flink 2.1 版本中 SQL 在实时数据处理和 AI 方面进展的话题。
155 0
Flink 2.1 SQL:解锁实时数据与AI集成,实现可扩展流处理
|
1月前
|
数据采集 存储 人工智能
基于 EventBridge 构筑 AI 领域高效数据集成方案
本文深入探讨了AI时代数据处理的变革与挑战,分析了事件驱动架构(EventBridge)在AI数据处理中的技术优势,并结合实践案例,展示了其在多源数据接入、向量数据库优化、智能数据转换等方面的应用价值。
344 30
|
23天前
|
人工智能 安全 数据库
构建可扩展的 AI 应用:LangChain 与 MCP 服务的集成模式
本文以LangChain和文件系统服务器为例,详细介绍了MCP的配置、工具创建及调用流程,展现了其“即插即用”的模块化优势,为构建复杂AI应用提供了强大支持。
|
1月前
|
人工智能 自然语言处理 安全
Python构建MCP服务器:从工具封装到AI集成的全流程实践
MCP协议为AI提供标准化工具调用接口,助力模型高效操作现实世界。
384 1
|
6月前
|
人工智能
活动速递 | 解锁企业AI-轻松掌握无缝集成DeepSeek、Qwen-Max
活动速递 | 解锁企业AI-轻松掌握无缝集成DeepSeek、Qwen-Max
活动速递 | 解锁企业AI-轻松掌握无缝集成DeepSeek、Qwen-Max
|
2月前
|
人工智能 搜索推荐 API
AI-Compass DeepSearch深度搜索生态:集成阿里ZeroSearch、字节DeerFlow、MindSearch等前沿平台,实现超越传统关键词匹配的智能信息检索革命
AI-Compass DeepSearch深度搜索生态:集成阿里ZeroSearch、字节DeerFlow、MindSearch等前沿平台,实现超越传统关键词匹配的智能信息检索革命
AI-Compass DeepSearch深度搜索生态:集成阿里ZeroSearch、字节DeerFlow、MindSearch等前沿平台,实现超越传统关键词匹配的智能信息检索革命
|
2月前
|
机器学习/深度学习 人工智能 算法
AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐
AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐
 AI-Compass RLHF人类反馈强化学习技术栈:集成TRL、OpenRLHF、veRL等框架,涵盖PPO、DPO算法实现大模型人类价值对齐