LangChain - 为何我们选择 ClickHouse 作为 LangSmith 的动力

最新推荐文章于 2025-11-03 16:21:10 发布

原创

最新推荐文章于 2025-11-03 16:21:10 发布 · 1.2k 阅读

8 ·

CC 4.0 BY-SA版权

文章标签：

#数据库

本文字数：4742；估计阅读时间：12 分钟

作者：Ankush Gola

审校：庄晓东（魏庄）

本文在公众号【ClickHouseInc】首发

“我们在使用 ClickHouse 方面有着良好的经历。它使我们能够将 LangSmith 扩展到生产环境，并提供一个用户可以记录所有数据的服务。如果没有 ClickHouse，我们无法取得这样的成就。”

LangChain 的联合创始人 Ankush Gola

简介

我们越来越多地看到公司使用 ClickHouse 构建可观测性解决方案，因为它能够处理高负荷的数据插入，并满足在这种用例中经常遇到的低延迟分析查询需求。更令人振奋的是，我们看到了一些创新的领域特定解决方案，它们有可能开启一个新的范式，并提高开发者的生产力水平。LangChain 就开发了这样一种解决方案，名为 LangSmith，它是一个统一的开发者平台，用于支持 LLM 应用的观察和评估。LangSmith 涵盖了 AI 产品开发生命周期的各个阶段，并利用 ClickHouse 提供了关键的用户体验。

最近宣布 LangSmith 已普遍可用，我们有幸采访了 LangChain 的联合创始人 Ankush Gola，他向我们解释了 LangSmith 对 LLM 应用开发人员的价值，以及为何选择 ClickHouse 作为支持用户体验的数据库，以及选择 ClickHouse Cloud 作为他们托管服务的后端服务。

LangSmith 解决了哪些问题？

LangSmith 主要解决了用户在开发 LLM（大语言模型）应用时面临的两个主要挑战：可观测性和评估。

可观测性

在处理 LLM 应用时，通常会涉及许多组件，包括链式 API 调用和决策流程。这使得理解底层发生的情况变得具有挑战性，用户需要调试无限的代理循环或存在过度使用 Token 的情况。鉴于这里存在明显的需求，LangSmith 最初作为一个可观测性工具，旨在通过在 LLM 序列的每一步提供清晰的可见性和调试信息，帮助开发人员诊断和解决这些问题。