官网

第一步：注册与登录

LangSmith 的注册非常简单，支持直接使用 GitHub 或 Google 账号登录。

1. 访问官网：https://smith.langchain.com
2. 点击 Sign In 进行注册。
3. 注册成功后，系统会自动为你创建一个默认的 Personal 工作区（Tenant）。

💡 小贴士：注册时请选择适合你业务所在的区域。虽然默认是美国节点（US），但如果你的业务数据有合规性要求，或者你身处欧洲，建议在注册或后续设置中确认区域节点。

---

第二步：获取你的 API Key

API Key 是连接你的本地代码与 LangSmith 云端的“通行证”。

1. 登录后，点击页面左下角的用户头像或设置图标。
2. 选择 "API Keys" 菜单。
3. 点击 "Create API Key"。
4. 关键步骤：给 Key 起一个名字（例如 dev-local），然后复制生成的字符串。

注意：

• 新旧格式区别：请务必使用以 ls__ 开头的新版 Key（例如 ls__abc123...）。旧版以 lsv2_ 开头的 Key 在最新的 LangChain V2.0+ 版本中可能不再受支持。
• 安全：Key 一旦关闭页面就无法再次查看明文，请务必在生成时复制保存。

---

第三步：环境变量配置（含 US/EU 节点区别）

这是最容易出错的地方。很多开发者在运行代码时遇到 403 Forbidden 或 Connection Timeout，往往是因为区域节点（Endpoint）配置错误。

LangSmith 分为美国（US）和欧洲（EU）两个独立的服务节点。如果你使用的是欧洲节点账号，必须显式指定 Endpoint，否则默认会指向美国节点导致无法连接。

请在你的项目根目录创建 .env 文件，或者在系统环境变量中配置以下内容：

# 1. 开启追踪功能 (必须)
LANGCHAIN_TRACING_V2=true

# 2. 填入刚才复制的 API Key
LANGCHAIN_API_KEY=ls__你的实际Key在这里

# 3. 设置项目名称 (可自定义)
LANGCHAIN_PROJECT=my-awesome-agent

# 4. 区域节点配置 (关键!)
# 如果你是 US 账号，这行可以不写 (默认指向 US)
# 如果你是 EU 账号，必须加上这行，否则连不上!
LANGCHAIN_ENDPOINT=https://api.smith.langchain.com
# LANGCHAIN_ENDPOINT=https://eu.api.smith.langchain.com

⚠️ 重要提醒：
根据你提供的网页解析内容，如果你使用的是 欧洲（EU）节点，请务必取消注释并使用 https://eu.api.smith.langchain.com 这一行。如果 US 和 EU 的路径写反了，你的代码将无法上传任何数据，且报错信息往往不直观。

---

第四步：安装依赖与代码集成

在你的 Python 项目中，安装必要的库：

pip install langsmith langchain

如果你还需要调用具体的模型（如 GPT、Claude、DeepSeek 等），请安装对应的适配库：

# 例如使用 OpenAI
pip install langchain-openai
# 例如使用 Anthropic (Claude)
pip install langchain-anthropic
# 例如使用 DeepSeek
pip install langchain-deepseek

代码实战（Python 示例）：

LangSmith 的强大之处在于它的“无侵入性”。你通常不需要在业务代码里写大量 LangSmith 的专用代码，只需要配置好环境变量，然后像往常一样写 LangChain 代码即可。

import os
from dotenv import load_dotenv
from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

# 1. 加载环境变量 (自动读取 .env 文件)
load_dotenv()

# 2. 正常初始化 LLM (此时已自动接入 LangSmith 追踪)
llm = ChatOpenAI(model="gpt-4o")

# 3. 构建你的链 (Chain)
prompt = ChatPromptTemplate.from_template("请帮我写一个Python函数，实现{function_name}")
chain = prompt | llm

# 4. 调用 (运行结果会自动同步到 LangSmith 网页)
result = chain.invoke({"function_name": "快速排序"})
print(result.content)

---

第五步：模型 Key 的配置（多模型支持）

LangSmith 负责“记录”，但不负责“提供算力”。你需要单独配置大模型厂商的 Key。

在 .env 文件中，根据你使用的模型添加对应的 Key：

# OpenAI (GPT系列)
OPENAI_API_KEY=sk-...

# Anthropic (Claude系列)
ANTHROPIC_API_KEY=sk-ant-...

# Google (Gemini系列)
GEMINI_API_KEY=AIza...

# DeepSeek (深度求索)
DEEPSEEK_API_KEY=sk-...

# 阿里云 (通义千问)
DASHSCOPE_API_KEY=...

LangChain 会自动读取这些标准环境变量来调用对应的模型接口。

界面演示成果

skill调用，tools方法调用

---

常见问题与排错

Q1: 为什么报错 403 Forbidden？

• 原因：通常是 Key 无效或过期。
• 解决：去网页端重新生成一个新的 ls__ 开头的 Key，并确保没有复制多余的空格。

Q2: 为什么报错 Connection Error 或无法上传？

• 原因：网络问题或节点配置错误。
• 解决：
  1. 检查 LANGCHAIN_ENDPOINT 是否与你的账号区域匹配（US账号用默认，EU账号必须指定 EU URL）。
  2. 如果是国内网络访问美国节点，可能需要配置代理或使用加速服务。

Q3: 代码运行了，但网页上看不到数据？

• 原因：环境变量未生效。
• 解决：检查是否忘记运行 load_dotenv()，或者终端是否重启（Windows 系统下修改环境变量后需重启终端）。