支持的型号

聊天开箱即支持以下模型提供商：

• - Anthropic (Claude)
• - OpenAI
• - Google Gemini
• - AWS Bedrock
• - Groq
• - Mistral
• - xAI
• - DeepSeek
• - Fireworks AI

您还可以使用在以下位置配置的任何自定义模型 操场设置 通过启用 **在 Chat 中可用** 该配置上的开关。工作区管理员管理哪些自定义模型可用。

键盘快捷键

可观测性

项目

在项目的运行列表上，Chat 可以浏览和筛选整个项目的运行、创建数据集和添加示例。使用 Chat 可以快速探索追踪中发生的情况，而无需手动翻页查看结果。

示例问题： - 「显示过去 24 小时内的所有失败运行」 - 「哪些运行耗时最长？」 - 「将失败的运行添加到我的测试数据集中」 - 「本周有多少次运行出错？」

追踪页面

在单独的 追踪上，Chat 分析 运行 数据和执行轨迹。Chat 检查完整的追踪上下文，包括 运行元数据、输入、输出、中间步骤和配置，帮助您了解发生了什么并识别改进领域。

示例问题： - 「代理在这里有什么可以做得更好的？」 - 「为什么这次运行失败了？」 - 「这次追踪中耗时最长的是什么？」 - 「总结这次追踪中发生了什么」

对话视图

在 **对话** 标签页下，Chat 分析对话 线程 ，帮助您了解用户情绪、对话结果和交互模式。使用 Chat 来识别用户痛点并了解问题是否已解决。

示例问题： - 「用户看起来是否感到沮丧？」 - 「用户正在遇到什么问题？」 - 「用户的问题解决了吗？」 - 「这个对话的主要话题是什么？」

提示词工程

Playground

在 Playground中，Chat 帮助您编辑和优化 提示词。使用自动化选项，如 **优化提示词**, **生成工具**, or **生成输出模式**，或给 Chat 自定义指令来编辑您的提示词。Chat 可以直接修改 Playground 状态——更新消息、工具、输出模式和示例——以便您可以通过对话方式迭代提示词。

示例问题： - 「让它用意大利语回复」 - 「添加更多关于用户角色的上下文」 - 使语气更加专业 - 简化说明

Prompt Hub 页面

在查看 LangSmith Hub中的 prompt 时，Chat 帮助您理解 prompt 的结构、消息、工具和配置。这对于探索和学习共享 prompt 非常有用。

示例问题： - 这个 prompt 有什么作用？ - 这个 prompt 使用哪些工具？ - 解释这个 prompt 的结构 - 这个 prompt 中的关键指令是什么？

评估

数据集实验

在 **数据集** 页面中 **实验** 标签页下，Chat 分析实验结果，帮助您比较不同实验的运行情况。Chat 可以识别模式、总结性能，并帮助您了解哪些方法效果最好。

示例问题： - 哪个实验表现最好？ - 这些运行之间有哪些主要区别？ - 总结这个实验的结果 - 你在失败中看到了什么模式？

数据集示例

在 **数据集** 页面中 **示例** 标签页下，Chat 帮助您理解数据集结构、浏览示例以及识别数据模式。这对于了解您正在处理的数据以及为实验准备数据集非常有用。

示例问题： - 这个数据集中包含什么类型的数据？ - 显示包含错误的示例 - 你在输入中看到了什么模式？ - 这个数据集中有多少个示例？

标注队列

In **标注队列**，Chat 帮助您在做出标注决策之前分析运行情况。无论您是逐个审查运行还是比较运行，Chat 都能提供关于运行行为、错误和执行模式的洞察，以帮助您进行评分。

示例问题： - 这次运行出了什么问题？ - 总结这次运行的情况 - 比较这两个运行 - 评分时我应该考虑什么？

评估器

在 **评估器** 构建器中，Chat 帮助您编写和完善评估器逻辑。Chat 可以生成评估器代码、建议改进，并帮助您针对示例测试评估器。

示例问题： - 编写一个检查幻觉的评估器 - 提高这个评估器的准确性 - 此评估器检查什么？ - 添加边缘情况处理

下一步

了解 Chat 帮助您探索的更多功能：