LangChain × LangSmith
LLM Orchestration และ Observability
LangChain สำหรับ Orchestrate, LangSmith สำหรับ Evals และ Observability — สแต็ก AI ระดับโปรดักชันของเรา
สิ่งที่เราสร้างร่วมกับ LangChain × LangSmith
Joint Offerings
Agent Orchestration บน LangChain
Agent ที่ทำงานหลาย tool หลาย step เชื่อมกับระบบภายในขององค์กร พร้อม Guardrail, Retry และ Authorization ระดับ Tool
LangSmith Observability
Trace ทุก Agent Call พร้อม Input, Output, Tool Invocation และ Latency — มี Eval Suite ที่บล็อก Regression ก่อน Deploy
LangGraph Stateful Workflow
Workflow แบบ Long-running ที่มี Human-in-the-loop — Persist State, Checkpoint Resume และ Audit Trail ครบ
คำถามที่พบบ่อย
FAQ ยอดนิยม
LangSmith เทียบกับ Datadog หรือ OpenTelemetry ในงาน AI Observability?
LangSmith ออกแบบมาเฉพาะ LLM Trace — Granularity ระดับ Token, Inspect Tool-call และ Eval Suite เราใช้คู่กับ Datadog/Sentry เดิมสำหรับ Infrastructure Metrics ไม่ได้แทนที่กัน
ใช้ LangChain ทุกเคสหรือ build จาก API ดิบเองบ้าง?
ทั้งสองแบบ Chain ง่าย ๆ บางทีไม่ต้องการ Abstraction ของ LangChain — Function 30 บรรทัดอ่านง่ายกว่า Multi-agent System ที่ซับซ้อนถึงจะได้ประโยชน์จาก LangGraph Stateful Workflow ที่ Persist Checkpoint ได้
LangSmith Eval จับ Regression ก่อน Deploy ได้จริงไหม?
ได้ เราเสียบ LangSmith Eval เข้า CI ให้ Prompt Update, Schema Change หรือ Model Upgrade ที่ทำให้คุณภาพตกบล็อก Deploy — แพทเทิร์นเดียวกับ Code Coverage Gate