> ## Documentation Index
> Fetch the complete documentation index at: https://langchain-zh.cn/llms.txt
> Use this file to discover all available pages before exploring further.
# 管理数据集
LangSmith 提供了一系列工具来管理和操作您的[*数据集*](/langsmith/evaluation-concepts#datasets)。本页介绍数据集操作，包括：
* [版本化数据集](#版本化数据集)以跟踪随时间的变化。
* 为评估而[筛选](#在数据集的筛选视图上评估)和[拆分](#在数据集拆分上评估)数据集。
* [公开共享数据集](#共享数据集)。
* 以多种格式[导出数据集](#导出数据集)。
您还将学习如何将[实验](/langsmith/evaluation-concepts#experiment)中的[筛选后的轨迹导出](#从实验导出筛选后的轨迹到数据集)回数据集，以便进行进一步分析和迭代。
## 版本化数据集
在 LangSmith 中，数据集是版本化的。这意味着每次在数据集中添加、更新或删除示例时，都会创建数据集的新版本。
### 创建数据集的新版本
每当您在数据集中添加、更新或删除示例时，都会创建数据集的一个新[版本](/langsmith/evaluation-concepts#dataset-organization)。这使您可以跟踪数据集随时间的变化，并了解数据集的演变过程。
默认情况下，版本由更改的时间戳定义。当您在**示例**选项卡中点击数据集的特定版本（按时间戳）时，您将看到该时间点数据集的状态。
请注意，在查看数据集的过去版本时，示例是只读的。您还将看到此版本数据集与最新版本数据集之间的操作。
默认情况下，**示例**选项卡中显示的是数据集的最新版本，而**测试**选项卡中显示的是所有版本的实验。
在**测试**选项卡中，您将找到在不同版本的数据集上运行的测试结果。
### 标记版本
您还可以标记数据集的版本，为其提供更易于人类阅读的名称，这对于标记数据集历史中的重要里程碑非常有用。
例如，您可以将数据集的某个版本标记为“prod”，并用它来针对您的 LLM 流水线运行测试。
您可以在 UI 中通过点击**示例**选项卡中的 **+ 标记此版本** 来标记数据集的版本。
您也可以使用 SDK 标记数据集的版本。以下是如何使用 [Python SDK](https://docs.smith.langchain.com/reference/python/reference) 标记数据集版本的示例：
```python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
from langsmith import Client
from datetime import datetime
client = Client()
initial_time = datetime(2024, 1, 1, 0, 0, 0) # 您想要标记的版本的时间戳
# 您可以用语义名称（如 "prod"）标记特定的数据集版本
client.update_dataset_tag(
dataset_name=toxic_dataset_name, as_of=initial_time, tag="prod"
)
```
要在数据集的特定标记版本上运行评估，请参考[在特定数据集版本上评估部分](#在特定数据集版本上评估)。
## 在特定数据集版本上评估
在阅读本节之前，您可能会发现参考以下内容会有所帮助：
* [版本化数据集](#版本化数据集)。
* [获取示例](/langsmith/manage-datasets-programmatically#fetch-examples)。
### 使用 `list_examples`
您可以使用 `evaluate` / `aevaluate` 传入一个可迭代的示例，以在数据集的特定版本上进行评估。使用 `list_examples` / `listExamples` 通过 `as_of` / `asOf` 从特定版本标签获取示例，并将其传入 `data` 参数。
```python Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
from langsmith import Client
ls_client = Client()
# 假设实际输出有一个 'class' 键。
# 假设示例输出有一个 'label' 键。
def correct(outputs: dict, reference_outputs: dict) -> bool:
return outputs["class"] == reference_outputs["label"]
results = ls_client.evaluate(
lambda inputs: {"class": "Not toxic"},
# 在此传入筛选后的数据：
data=ls_client.list_examples(
dataset_name="Toxic Queries",
as_of="latest", # 在此指定版本
),
evaluators=[correct],
)
```
```typescript TypeScript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { evaluate } from "langsmith/evaluation";
await evaluate((inputs) => labelText(inputs["input"]), {
data: langsmith.listExamples({
datasetName: datasetName,
asOf: "latest",
}),
evaluators: [correctLabel],
});
```
```java Java theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import com.langchain.smith.models.examples.ExampleListParams;
ExampleListParams listParams = ExampleListParams.builder()
.datasetId(datasetId)
.asOf("latest")
var examples = client.examples().list(listParams);
```
有关如何获取数据集视图的更多信息，请参阅[以编程方式创建和管理数据集](/langsmith/manage-datasets-programmatically#fetch-datasets)页面。
## 在数据集的拆分/筛选视图上评估
在阅读本节之前，您可能会发现参考以下内容会有所帮助：
* [获取示例](/langsmith/manage-datasets-programmatically#fetch-examples)。
* [创建和管理数据集拆分](/langsmith/manage-datasets-in-application#create-and-manage-dataset-splits)。
### 在数据集的筛选视图上评估
您可以使用 `list_examples` / `listExamples` 方法[获取](/langsmith/manage-datasets-programmatically#fetch-examples)数据集的子集示例以进行评估。
一个常见的工作流程是获取具有特定元数据键值对的示例。
```python Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
from langsmith import evaluate
results = evaluate(
lambda inputs: label_text(inputs["text"]),
data=client.list_examples(dataset_name=dataset_name, metadata={"desired_key": "desired_value"}),
evaluators=[correct_label],
experiment_prefix="Toxic Queries",
)
```
```typescript TypeScript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { evaluate } from "langsmith/evaluation";
await evaluate((inputs) => labelText(inputs["input"]), {
data: langsmith.listExamples({
datasetName: datasetName,
metadata: {"desired_key": "desired_value"},
}),
evaluators: [correctLabel],
experimentPrefix: "Toxic Queries",
});
```
```java Java theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import com.langchain.smith.models.examples.ExampleListParams;
ExampleListParams listParams = ExampleListParams.builder()
.datasetId(datasetId)
.metadata("{\"desired_key\":\"desired_value\"}")
.build();
var examples = client.examples().list(listParams);
```
有关更多筛选功能，请参阅此[操作指南](/langsmith/manage-datasets-programmatically#list-examples-by-structured-filter)。
### 在数据集拆分上评估
您可以使用 `list_examples` / `listExamples` 方法在数据集的一个或多个[拆分](/langsmith/evaluation-concepts#dataset-organization)上进行评估。`splits` 参数接受您想要评估的拆分列表。
```python Python theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
from langsmith import evaluate
results = evaluate(
lambda inputs: label_text(inputs["text"]),
data=client.list_examples(dataset_name=dataset_name, splits=["test", "training"]),
evaluators=[correct_label],
experiment_prefix="Toxic Queries",
)
```
```typescript TypeScript theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import { evaluate } from "langsmith/evaluation";
await evaluate((inputs) => labelText(inputs["input"]), {
data: langsmith.listExamples({
datasetName: datasetName,
splits: ["test", "training"],
}),
evaluators: [correctLabel],
experimentPrefix: "Toxic Queries",
});
```
```java Java theme={"theme":{"light":"catppuccin-latte","dark":"catppuccin-mocha"}}
import com.langchain.smith.models.examples.ExampleListParams;
import java.util.Arrays;
import java.util.List;
List splits = Arrays.asList("test", "training");
ExampleListParams listParams = ExampleListParams.builder()
.datasetId(datasetId)
.splits(splits)
.build();
var examples = client.examples().list(listParams);
```
有关获取数据集视图的更多详细信息，请参阅[获取数据集](/langsmith/manage-datasets-programmatically#fetch-datasets)指南。
## 共享数据集
### 公开共享数据集
公开共享数据集将使**数据集示例、实验及相关运行、以及此数据集上的反馈对任何拥有链接的人可访问**，即使他们没有 LangSmith 账户。请确保您没有共享敏感信息。
此功能仅在云托管版本的 LangSmith 中可用。
在**数据集与实验**选项卡中，选择一个数据集，点击 **⋮**（页面右上角），然后点击**共享数据集**。这将打开一个对话框，您可以在其中复制数据集的链接。
### 取消共享数据集
1. 在任何公开共享的数据集的右上角点击**公开**，然后在对话框中点击**取消共享**，即可取消共享。
2. 导航到您组织的公开共享数据集列表，通过点击**设置** -> **共享的 URL** 或[此链接](https://smith.langchain.com/settings/shared)，然后点击您想要取消共享的数据集旁边的**取消共享**。
## 导出数据集
您可以从 LangSmith UI 将 LangSmith 数据集导出为 CSV、JSONL 或 [OpenAI 的微调格式](https://platform.openai.com/docs/guides/fine-tuning#example-format)。
在**数据集与实验**选项卡中，选择一个数据集，点击 **⋮**（页面右上角），然后点击**下载数据集**。
## 从实验导出筛选后的轨迹到数据集
在 LangSmith 中运行[离线评估](/langsmith/evaluation-concepts#offline-evaluations)后，您可能希望将满足某些评估条件的[轨迹](/langsmith/observability-concepts#traces)导出到数据集。
### 查看实验轨迹
为此，首先点击实验名称旁边的箭头。这将引导您到一个包含实验生成的轨迹的项目。
从那里，您可以根据评估条件筛选轨迹。在此示例中，我们筛选所有准确率得分大于 0.5 的轨迹。
在项目上应用筛选器后，我们可以多选要添加到数据集的运行，然后点击**添加到数据集**。
***
[Edit this page on GitHub](https://github.com/langchain-ai/docs/edit/main/src/i18n\zh-CN\langsmith\manage-datasets.mdx) or [file an issue](https://github.com/langchain-ai/docs/issues/new/choose).
[Connect these docs](/use-these-docs) to Claude, VSCode, and more via MCP for real-time answers.