--- title: "LangSmith: Công cụ Tracing & Debugging ứng Dụng LLM" description: "LangSmith là nền tảng được phát triển bởi đội ngũ đứng sau LangChain, giúp developer theo dõi, debug và đánh giá ứng dụng LLM" canonical: "https://200lab.io/blog/langsmith-la-gi" published: "2025-05-06T06:59:00Z" updated: "2026-08-21T07:17:52Z" authors: ["Hướng nội"] tags: ["AI"] reading_minutes: 4 access: "public" --- Bạn đang xây dựng ứng dụng AI với các mô hình ngôn ngữ lớn (LLM) và muốn theo dõi, đánh giá, cải thiện hiệu suất của chúng một cách hiệu quả? LangSmith chính là giải pháp mà bạn cần. ## 1. LangSmith là gì? LangSmith là nền tảng được phát triển bởi đội ngũ đứng sau LangChain - framework phổ biến hàng đầu trong phát triển ứng dụng LLM. Platform này được thiết kế đặc biệt để giúp developer xây dựng, theo dõi, debug và đánh giá ứng dụng LLM một cách dễ dàng và hiệu quả chỉ với vài bước setup đơn giản. Khi làm việc với các mô hình ngôn ngữ lớn, bạn thường gặp phải những thách thức sau: - **Thiếu khả năng quan sát**: Khó theo dõi chuỗi suy luận và quá trình xử lý của LLM - **Đánh giá hiệu suất**: Làm thế nào để đánh giá chất lượng đầu ra của mô hình? - **Tối ưu hóa**: Làm sao để cải thiện prompt, điều chỉnh tham số, số lượng token sử dụng và nâng cao hiệu suất? - **Kiểm soát phiên bản**: Quản lý các phiên bản khác nhau của ứng dụng LLM LangSmith giải quyết những vấn đề này bằng cách cung cấp một môi trường toàn diện để theo dõi, debug, đánh giá và tối ưu hóa ứng dụng LLM của bạn. ![](https://assets.200lab.io/images/2025/05/06/langsmith-la-gi-1-8bf0e74273c09df4d581.webp) ## 2. Các Tính Năng Chính Của LangSmith ### 2.1 Tracing Tracing là tính năng cốt lõi của LangSmith, cho phép bạn theo dõi toàn bộ quá trình thực thi của ứng dụng LLM: - Xem chi tiết từng bước trong chuỗi suy luận - Theo dõi input, output và thời gian xử lý - Phân tích các yếu tố ảnh hưởng đến hiệu suất ### 2.2 Đánh Giá và Testing LangSmith cung cấp công cụ đánh giá mạnh mẽ: - Tạo bộ test cases tự động - Đánh giá hiệu suất với các metrics tùy chỉnh - So sánh các phiên bản khác nhau của mô hình hoặc prompt - Tối ưu hóa dựa trên phản hồi và kết quả thực tế ### 2.3 Debugging và Monitoring - Phát hiện và gỡ lỗi trong thời gian thực - Theo dõi hiệu suất của ứng dụng trong môi trường production - Cảnh báo khi phát hiện vấn đề ## 3. Các Gói Dịch Vụ LangSmith - Gói Miễn Phí (Developer): - Bao gồm **5.000 traces miễn phí mỗi tháng**. - Sau khi vượt quá 5.000 traces, bạn cần nâng cấp hoặc trả phí cho số traces vượt ngưỡng. - Dữ liệu lưu trữ trong tối đa 14 ngày. - Các Gói Trả Phí (Plus, Startup hoặc Team): Mỗi gói có số lượng trace miễn phí khác nhau (VD: 10.000 traces miễn phí mỗi tháng) và sau đó tính phí cho phần vượt với một mức giá ưu đãi hơn so với gói miễn phí ## 4. Hướng dẫn cách cấu hình LangSmith Cấu hình tracing với LangSmith cực kì đơn giản bạn chỉ cần một vài thao tác như sau: - Bước 1: Đăng kí tài khoản tại [https://smith.langchain.com]() - Bước 2: Thiết lập tracing như hình bên dưới, đây chính là phần hướng dẫn chính thức trên trang chủ, bạn click `Generate API Key` -\> Copy nội dung vào file .env trong thư mục gốc của project là đã có thể bắt được log trace. ![](https://assets.200lab.io/images/2025/05/06/langsmith-la-gi-2-5b6e984d81b0d3500b33.webp) ## 5. Kết luận LangSmith là công cụ không thể thiếu cho bất kỳ developer nào đang xây dựng ứng dụng LLM chuyên nghiệp. Với khả năng theo dõi, đánh giá, debug và tối ưu hóa, LangSmith giúp bạn xây dựng ứng dụng AI đáng tin cậy, hiệu quả và dễ bảo trì. Điểm mạnh nhất của LangSmith chính là sự đơn giản trong việc tích hợp - chỉ cần thiết lập vài biến môi trường và mọi hoạt động của ứng dụng LangChain sẽ tự động được theo dõi mà không cần thêm code phức tạp. ## Đọc thêm - [Self Evolution: cách để Grok Bot tự cải tiến liên tục từ kinh nghiệm làm việc và người dùng](https://200lab.io/blog/grok-bot-self-evolution.md): Self Evolution giúp Grok Bot rút bài học từ việc hằng ngày, nhưng bot chỉ học khi có ghi log kèm bằng chứng và thay đổi rủi ro vẫn chờ bạn duyệt. - [OpenAI công bố hệ thống giám sát AI agent sau vụ Hugging Face](https://200lab.io/blog/openai-ai-agent-monitoring-system.md): Giám sát AI agent ở OpenAI có 4 lớp, dựng sau vụ agent thoát sandbox. Hãng làm model còn phải soi agent, người giao việc càng cần chỗ xem lại bot làm gì. - [Cách đặt Grok Bot gửi bản tin cuối ngày nhắc việc cho chủ shop](https://200lab.io/blog/grok-bot-daily-digest-routine.md): Bản tin cuối ngày giúp người bán một mình gom việc còn treo. Với routine của Grok Bot, bot chỉ đọc bảng và nhắc việc theo lịch, chủ shop vẫn tự quyết định. - [Dùng Grok Bot UI UX Pro Max làm landing page shop nến tiếng Việt](https://200lab.io/blog/ui-ux-pro-max-bot-candle-shop-landing-page.md): Grok Bot UI UX Pro Max dựng landing page shop nến; mình kiểm tra từng bước design system, contrast, font tiếng Việt và rút ra câu nhắn chỉnh bot cho mỗi bước. - [Dùng AI trả lời đánh giá xấu đúng chính sách, không cam kết vượt mức](https://200lab.io/blog/reply-bad-reviews-with-ai.md): Trả lời đánh giá xấu dễ khiến shop cam kết vượt chính sách. Cách khắc phục: chép chính sách đổi trả vào skill, bot chỉ soạn nháp, chủ shop duyệt rồi mới đăng. - [Mọi bài viết chủ đề AI](https://200lab.io/blog/tags/ai.md) Toàn bộ nội dung: https://200lab.io/llms.txt