LangSmith 的测试工具可帮助你衡量智能体质量、迭代提示词，并在交互式环境中实时调试。评估是测试的核心：它会根据数据集和评估标准对智能体的输出进行评分，帮助你对不同版本进行基准测试、发现回归问题，并持续跟踪质量变化。 LangSmith 根据评估的运行时间和位置，支持两种评估类型：

Offline Evaluation

上线前测试在开发期间对经过整理的数据集运行评估，以比较不同版本、进行性能基准测试并发现回归问题。

Online Evaluation

在生产环境中监控实时评估真实用户交互，以发现问题并衡量实际流量中的质量。

​
设置账户

创建账户

在 smith.langchain.com 上注册（无需信用卡）。 你可以使用 Google、GitHub 或 邮箱 登录。

创建API密钥

前往你的 设置页面 → API Keys → Create API Key。 复制密钥并安全保存。
账户和 API 密钥准备就绪后，运行首次评估。

​
评估工作流

1

Create a dataset

创建一个数据集，其中包含来自人工整理的测试用例、历史生产跟踪记录或合成数据生成的。
2

Define evaluators

创建用于评估性能的：
3

Run an experiment

在数据集上运行应用程序，以创建一个。配置重复次数、并发数和缓存以优化运行。
4

Analyze results

比较实验结果，用于基准测试、单元测试、回归测试或回溯测试。
有关离线评估和在线评估之间差异的更多信息，请参阅评估概念页面。

​
开始使用

Evaluation quickstart

开始使用离线评估。

Manage datasets

通过 UI 或 SDK 创建和管理用于评估的数据集。

Run offline evaluations

探索用于全面测试的评估类型、技术和框架。

Analyze results

查看和分析评估结果、比较实验、筛选数据并导出分析结果。

Run online evaluations

从 Observability 选项卡实时监控生产环境质量。

Follow tutorials

按照分步教程学习，从简单的聊天机器人到复杂的智能体评估。

Studio

使用交互式环境开发和调试智能体。
To set up a LangSmith instance, visit the Platform setup section to choose between cloud, hybrid, or self-hosted. All options include observability, evaluation, prompt engineering, and deployment.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.