Skip to main content
本页介绍了在 LangSmith 中使用实验的一些基本任务：

​
分析单个实验

运行实验后，您可以使用 LangSmith 的实验视图来分析结果并获取关于实验性能的洞察。

​
打开实验视图

要打开实验视图，
  1. 从数据集与实验页面选择相关的数据集，这将打开实验标签页视图。
  2. 点击您要查看的实验所在的行。
打开实验视图

​
查看实验结果

​
自定义列

默认情况下，实验视图显示数据集中每个示例的输入、输出和参考输出，以及来自评估的反馈分数和实验指标，如成本、令牌数、延迟和状态。 您可以点击视图右上角的列图标来自定义列，以便更轻松地解释实验结果：
  • 将输入、输出和参考输出中的字段拆分到各自的列中。如果您有较长的输入/输出/参考输出，并希望突出重要字段，这尤其有用。
  • 隐藏和重新排序列以创建用于分析的聚焦视图。
  • 控制反馈分数的小数精度。默认情况下，LangSmith 以 2 位小数精度显示数值反馈分数，但您可以将此设置自定义为最多 6 位小数。
  • 为实验中的数值反馈分数设置热图阈值为高、中、低，这会影响分数芯片显示为红色或绿色的阈值：
列热图配置
您可以为整个数据集设置默认配置，或仅为临时保存个人设置。

​
排序和筛选

要按反馈分数对行进行排序，请点击列标题中的排序图标。 列排序 要筛选行，请点击列标题中的 图标并配置筛选设置。 列筛选

​
表格视图

在实验视图右上角选择三个表格视图图标之一：
  • 紧凑：将每次运行显示为单行，以便快速比较分数。
  • 完整：显示每次运行的完整输出。
  • 差异：显示每次运行的参考输出与输出之间的文本差异。
差异视图

​
查看追踪

点击实验视图中的任意行以打开详细信息面板，该面板显示该次运行的追踪以及反馈、输入、输出和属性。 查看追踪 要查看整个追踪项目，请点击实验视图右上角的查看项目图标。

​
查看评估器运行

将鼠标悬停在评估器分数上，可以查看该评估器运行的更多详细信息。对于LLM-as-a-judge 评估器，点击来源链接以查看使用的提示词，或点击评估器追踪以在新浏览器标签页中打开追踪。对于具有重复运行的实验，点击聚合平均分数以查看所有单独运行的链接。 查看评估器运行

​
按元数据分组结果

您可以向示例添加元数据以进行分类和组织。例如，如果您正在评估问答数据集的事实准确性，元数据可能包括每个问题所属的主题领域。元数据可以通过UI或SDK添加。 要按元数据分析结果，请使用实验视图右上角的分组依据图标并选择所需的元数据键。这将显示每个元数据组的平均反馈分数、延迟、总令牌数和成本。
您只能在 2025 年 2 月 20 日之后创建的实验上按示例元数据进行分组。此日期之前的任何实验仍然可以按元数据分组，但仅限于实验追踪本身包含元数据的情况。

​
重复运行

如果您使用重复运行运行了实验，请点击任意行以打开详细信息面板。重复运行摘要显示指标表格、所有反馈分数，并允许您切换输出或查看具有其追踪的各个重复运行。 重复运行

​
与另一个实验比较

在实验视图的右上角，您可以选择另一个实验进行比较。这将打开比较视图，您可以看到两个实验的对比情况。要了解更多关于比较视图的信息，请参阅如何比较实验结果。

​
在实验标签页视图中设置基线

虽然您可能运行数十次测试，但通常有一个特定的基准您希望超越。设置_基线_可以将您的结果锚定在这个参考点上，从而在拥挤的实验列表中识别改进或回归。 通过指定基线，您可以：
  • 突出显示参考：明确标记您的最佳运行，以便在迭代时它始终显示在实验标签页视图的顶部。
  • 查看即时差异：自动查看所有实验的性能差异，这意味着您不一定需要手动进行并排选择。
  • 加速评估：快速确定新迭代是否达到或超过您当前的性能标准。
实验标签页视图，其中一个实验被标记为基线并位于表格顶部。其他实验的行上显示相对于基线的分数。 要为数据集设置基线：
  1. 在 LangSmith UI 中，导航至左侧菜单中的数据集与实验选项。
  2. 从表格中选择您要处理的数据集。
  3. 在实验标签页视图中，将鼠标悬停在实验行上以在行右侧显示设为基线按钮。点击以选择您的基线实验。
您的基线实验将固定在表格顶部，并在其名称旁边显示基线标签。一旦实验被设为基线，表格将在每个实验的每一列上显示相对于基线的分数。当您选择多个实验进行比较时，基线实验将作为默认的源实验进行比较。

​
在实验标签页视图中按模型、提示词和工具进行筛选和分组

实验表格包含模型、提示词和工具列，显示每个实验使用了哪些模型、提示词和工具，从而更容易一目了然地了解运行之间的变化。 当您从 Playground 运行实验时，这些列会自动填充。通过 SDK 运行实验时，向 evaluate() 传递一个包含 models、prompts 和 tools 键的 metadata 对象： 
results = client.evaluate(
    target,
    data="my-dataset",
    evaluators=[...],
    metadata={
        "models": "openai:gpt-4.1-mini",
        "prompts": ["my-org/my-prompt:abc12345"],
        "tools": [{"name": "web_search", "description": "Search the web for information"}],
    },
)
有关使用元数据的示例，请参阅如何评估 LLM 应用程序。 仅当数据集中至少有一个实验设置了该字段时，这些列才会出现。填充后，点击这些列中的值以筛选或分组实验。 实验标签页视图，包含模型、提示词和工具的元数据列。 您还可以在实验标签页视图的左上角按模型、模型提供商、提示词、提示词提交、工具和其他实验元数据进行筛选和分组： 实验标签页视图，包含模型、提示词和工具的元数据列。

​
将实验结果下载为 CSV

LangSmith 允许您将实验结果下载为 CSV 文件，以供外部分析和共享。点击实验视图右上角的下载为 CSV 图标。
实验结果有 5,000 行的下载限制。

​
重命名实验

实验名称在每个工作空间内必须是唯一的。
您可以在 LangSmith UI 的以下位置重命名实验：
  • 实验视图：使用实验名称旁边的铅笔图标重命名实验。 在实验视图中编辑名称
  • Playground：会自动分配一个格式为 pg::prompt-name::model::uuid 的默认名称（例如 pg::gpt-4.1-mini::897ee630）。您可以在运行实验后立即通过在 Playground 表格标题中编辑其名称来重命名实验。 在 Playground 中编辑名称
Edit this page on GitHub or file an issue.
Connect these docs to Claude, VSCode, and more via MCP for real-time answers.