大模型数据分析平台 LangSmith 介绍

[​LangSmith​]​ 是 LangChain 自主研发的 LLM 应用程序开发、监控和测试的平台。

LangChain 是一款使用 LLM 构建的首选开源框架，一个链接面向用户程序和 LLM 之间的一个中间层，允许 AI 开发者将像 ​​GPT-4​​ 、文心一言等大型语言模型与外部的计算和数据源有机结合起来。目前，它提供了 Python 和 JavaScript（确切地说是 TypeScript）的软件包。

三个阶段

LangSmith 平台将大模型生命周期分为三个阶段

• Prototyping
• Beta Testing
• Production

通过 LangSmith 平台,用户可以方便地进行原型开发、测试和生产,涵盖了整个大模型生命周期的环节。

Prototyping

即原型开发阶段，主要关注代码调试、基础测试、playground 和对测试结果比对。

Beta Testing

即测试阶段，主要是指 LLM 大模型产品的适运营阶段，这个阶段说明已经有一部分用户开始参与了大模型产品的公测当中，这个阶段会收到客户的对大模型产品使用的反馈、及通过 LangSmith 收集到的 trace 信息，可以对大模型进行调优，从而更好的优化我们的大模型产品。

Production

即生产阶段，我们会关注监控信息、也会做一些A/B测试，同时还可以做一些自动化操作，比如创建对应的规则，对 trace 进行管理：比如发送到对应的数据集当中、或者对模型的在线评估等。

LangSmith Agent

LangSmith Agent 是 LangSmith 平台用于收集 LLM 大模型数据的探针，接入文档地址为：​[​https://docs.smith.langchain.com/​]

Dashboard

通过 LangSmith Agent 上报数据后，可以通过平台进行查看、跟踪、分析和监控。

Projects

项目集，列表页可以看到目前有哪些项目，这些项目所耗费 Token、延迟等信息。默认开通帐号后会生成一个名为 ​​default​​的项目。

进入项目，可以看到具体的调用列表，详细记录了时间、延迟、每一次token的消耗、调用状态等。

当点击某一个 trace 时，可以看到更为详细的信息，如 trace 的结构，即 AI Agent 内部调用链，以及模型每一步的输入和输出信息，同时还可以进行打标操作。

Monitor

监控，可以监控如 Token的消耗、模型调用的耗时等信息，同时可以按照不同维度进行监控分析，如项目、大模型的类型等。

Datasets & Testing

数据集（Datasets）& 测试集（Testing），用于归类 Projects 数据，即把一些符合要求的调用链归集到同一个数据集当中

进入数据集，可以看到模型训练的结果

Prompts

Prompts（提示词）在人工智能领域中扮演着重要的角色，是与大模型交互的关键工具，它们使得模型能够更加灵活和有效地应用于各种场景和任务。如通过给定的Prompts，可以引导大模型生成特定主题或格式的文本;也可以为模型提供上下文信息，帮助它更好地理解任务和生成相关的内容。

Bill

LangSmith 是一款商业产品，使用它需要承担一定的成本。尽管如此，LangSmith 也提供了每个月5000次的免费额度给开发者使用。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段： 从大模型系统设计入手，讲解大模型的主要方法；

第二阶段： 在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段： 大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段： 大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段： 大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段： 以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段： 以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求： 大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能， 学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力： 大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓