追踪是一系列步骤，表示你的应用如何从输入走到输出。每个单独的步骤都由一次运行表示。你可以使用 LangSmith 来可视化这些执行步骤。要使用它，请为你的应用启用追踪。这可以让你执行以下操作：

​
前提条件

开始之前，请确保你具备以下内容：

​
启用追踪

要为你的应用启用追踪，请设置以下环境变量： 
export LANGSMITH_TRACING=true
export LANGSMITH_API_KEY=<your-api-key>
默认情况下，追踪会记录到名为 default 的项目中。要配置自定义项目名称，请参阅记录到项目。 更多信息，请参阅使用 LangGraph 进行追踪。

​
选择性追踪

你可以使用 LangSmith 的 tracing_context 上下文管理器，选择只追踪特定调用或应用的某些部分： 
import langsmith as ls

# This WILL be traced
with ls.tracing_context(enabled=True):
    agent.invoke({"messages": [{"role": "user", "content": "Send a test email to alice@example.com"}]})

# This will NOT be traced (if LANGSMITH_TRACING is not set)
agent.invoke({"messages": [{"role": "user", "content": "Send another email"}]})

​
记录到项目

你可以通过设置 LANGSMITH_PROJECT 环境变量，为整个应用设置自定义项目名称：
export LANGSMITH_PROJECT=my-agent-project
你可以通过编程方式，为特定操作设置项目名称：
import langsmith as ls

with ls.tracing_context(project_name="email-agent-test", enabled=True):
    response = agent.invoke({
        "messages": [{"role": "user", "content": "Send a welcome email"}]
    })

​
向追踪添加元数据

你可以使用自定义元数据和标签来注释追踪： 
response = agent.invoke(
    {"messages": [{"role": "user", "content": "Send a welcome email"}]},
    config={
        "tags": ["production", "email-assistant", "v1.0"],
        "metadata": {
            "user_id": "user_123",
            "session_id": "session_456",
            "environment": "production"
        }
    }
)
tracing_context also accepts tags and metadata for fine-grained control: 
with ls.tracing_context(
    project_name="email-agent-test",
    enabled=True,
    tags=["production", "email-assistant", "v1.0"],
    metadata={"user_id": "user_123", "session_id": "session_456", "environment": "production"}):
    response = agent.invoke(
        {"messages": [{"role": "user", "content": "Send a welcome email"}]}
    )
这些自定义元数据和标签会附加到 LangSmith 中的追踪上。
要了解更多关于如何使用追踪来调试、评估和监控你的智能体的信息，请参阅 LangSmith 文档。

​
使用匿名化器防止在追踪中记录敏感数据

你可能希望遮蔽敏感数据，防止它被记录到 LangSmith。你可以创建匿名化器，并通过配置将它们应用到 你的图中。此示例会从发送到 LangSmith 的追踪中，脱敏任何匹配社会安全号码格式 XXX-XX-XXXX 的内容。
Python
from langchain_core.tracers.langchain import LangChainTracer
from langgraph.graph import StateGraph, MessagesState
from langsmith import Client
from langsmith.anonymizer import create_anonymizer

anonymizer = create_anonymizer([
    # Matches SSNs
    { "pattern": r"\b\d{3}-?\d{2}-?\d{4}\b", "replace": "<ssn>" }
])

tracer_client = Client(anonymizer=anonymizer)
tracer = LangChainTracer(client=tracer_client)
# Define the graph
graph = (
    StateGraph(MessagesState)
    ...
    .compile()
    .with_config({'callbacks': [tracer]})
)
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.
Edit this page on GitHub or file an issue.