LangSmithを統合
Last updated
Last updated
LangSmithはLLMアプリケーションの開発、コラボレーション、テスト、デプロイ、監視などのツールを提供するプラットフォームです。
ログイン後、ホームページの New Project をクリックし、新たなプロジェクトを作成します。このプロジェクトは、Dify内のアプリと連動したデータモニタリングに使用されます。
作成する後、プロジェクトの中にチェクできます。
左のサイドバーでプロジェクト 設定 を見つける。
Create API Keyをクリックし，新たな認証情報を作ります。
Personal Access Token を選び，のちほとのAPI身分証明の時使えます。
新たなAPI keyをコピーし、保存します。
監視用のアプリのサイトメニューの監視ボタンをクリックし，設定をクリックします。
それから，LangSmith から作った API Key とプロジェクト名を設定の中に貼り付け、保存します。
保存に成功すると、現在のページで監視状態を見ることができます。
Dify内のアプリケーションからデバッグや製品データを設定することで、LangSmithにてそのデータをモニタリングすることができます。
LangSmithに切り替えると、ダッシュボード上でDifyアプリケーションの詳細な操作ログを見ることができます。
LangSmithを通じて得られる詳細な大規模言語モデル（LLM）の操作ログは、Difyアプリケーションのパフォーマンスを最適化するために役立ちます。
ワークフローやチャットフローを追跡するために使用されます。
workflow_app_log_id/workflow_run_id
ID
user_session_id
- メタデータに配置
workflow_{id}
名前
start_time
開始時間
end_time
終了時間
inputs
入力
outputs
出力
モデルトークン消費
使用メタデータ
metadata
追加情報
エラー
エラー
[workflow]
タグ
"conversation_id/none for workflow"
メタデータ内のconversation_id
conversion_id
親実行ID
ワークフロートレース情報
workflow_id：ワークフローの固有識別子
conversation_id：会話ID
workflow_run_id：現在の実行ID
tenant_id：テナントID
elapsed_time：現在の実行にかかった時間
status：実行ステータス
version：ワークフローのバージョン
total_tokens：現在の実行で使用されるトークンの合計数
file_list：処理されたファイルのリスト
triggered_from：現在の実行を引き起こしたソース
workflow_run_inputs：現在の実行の入力データ
workflow_run_outputs：現在の実行の出力データ
error：現在の実行中に発生したエラー
query：実行中に使用されたクエリ
workflow_app_log_id：ワークフローアプリケーションログID
message_id：関連メッセージID
start_time：実行の開始時間
end_time：実行の終了時間
workflow node executions：ワークフローノード実行に関する情報
メタデータ
workflow_id：ワークフローの固有識別子
conversation_id：会話ID
workflow_run_id：現在の実行ID
tenant_id：テナントID
elapsed_time：現在の実行にかかった時間
status：実行ステータス
version：ワークフローのバージョン
total_tokens：現在の実行で使用されるトークンの合計数
file_list：処理されたファイルのリスト
triggered_from：現在の実行を引き起こしたソース
大規模言語モデル（LLM）関連の会話を追跡するために使用されます。
message_id
ID
user_session_id
- メタデータに配置
“message_{id}"
名前
start_time
開始時間
end_time
終了時間
inputs
入力
outputs
出力
モデルトークン消費
使用メタデータ
metadata
追加情報
エラー
エラー
["message", conversation_mode]
タグ
conversation_id
メタデータ内のconversation_id
conversion_id
親実行ID
メッセージトレース情報
message_id：メッセージID
message_data：メッセージデータ
user_session_id：ユーザーセッションID
conversation_model：会話モード
message_tokens：メッセージ中のトークン数
answer_tokens：回答のトークン数
total_tokens：メッセージと回答の合計トークン数
error：エラー情報
inputs：入力データ
outputs：出力データ
file_list：処理されたファイルのリスト
start_time：開始時間
end_time：終了時間
message_file_data：メッセージに関連付けられたファイルデータ
conversation_mode：会話モード
メタデータ
conversation_id：会話ID
ls_provider：モデルプロバイダ
ls_model_name：モデルID
status：メッセージステータス
from_end_user_id：送信ユーザーのID
from_account_id：送信アカウントのID
agent_based：メッセージがエージェントベースかどうか
workflow_run_id：ワークフロー実行ID
from_source：メッセージのソース
会話のモデレーションを追跡するために使用されます。
user_id
- メタデータに配置
“moderation"
名前
start_time
開始時間
end_time
終了時間
inputs
入力
outputs
出力
metadata
追加情報
[moderation]
タグ
message_id
親実行ID
モデレーショントレース情報
message_id：メッセージID
user_id：ユーザーID
workflow_app_log_id：ワークフローアプリケーションログID
inputs：モデレーションの入力データ
message_data：メッセージデータ
flagged：コンテンツに注意が必要かどうか
action：実行された具体的なアクション
preset_response：プリセット応答
start_time：モデレーション開始時間
end_time：モデレーション終了時間
メタデータ
message_id：メッセージID
action：実行された具体的なアクション
preset_response：プリセット応答
提案された質問を追跡するために使用されます。
