langsmith-fetch

द्वारा langchain-ai

एजेंट व्यवहार की डीबगिंग के लिए LangSmith ट्रेस प्राप्त करता है। एजेंट समस्याओं के निवारण, वार्तालाप इतिहास की समीक्षा, या टूल कॉल की जांच करते समय उपयोग करें।

npx skills add https://github.com/langchain-ai/lca-skills --skill langsmith-fetch

Fetching LangSmith Traces

Requires langsmith-fetch in project dependencies and LANGSMITH_API_KEY in a .env file.

Setup

First, find the .env file containing LANGSMITH_API_KEY:

find . -name ".env" -type f 2>/dev/null | head -5

Commands

Use --env-file <path-to-.env> with all commands:

# Fetch recent traces (uses LANGSMITH_PROJECT from .env, or specify --project-uuid)
uv run --env-file <path> langsmith-fetch traces ./traces --limit 10
uv run --env-file <path> langsmith-fetch traces ./traces --project-uuid <uuid> --limit 10

# Fetch single trace by ID
uv run --env-file <path> langsmith-fetch trace <trace-id>

# Include metadata (timing, tokens, costs)
uv run --env-file <path> langsmith-fetch trace <trace-id> --include-metadata

Output Formats

  • --format pretty - Human-readable (default)
  • --format json - Pretty-printed JSON
  • --format raw - Compact JSON for piping

Troubleshooting Workflow

  1. Find .env: find . -name ".env" -type f 2>/dev/null
  2. Fetch recent traces: uv run --env-file <path> langsmith-fetch traces ./debug --limit 10
  3. Find relevant trace in saved JSON files
  4. Check: What tools were called? What did they return? Was it correct/expected?

langchain-ai की और Skills

arxiv-search
langchain-ai
arXiv पर विषय के अनुसार प्रीप्रिंट और शैक्षणिक पेपर खोजें, सार पुनर्प्राप्ति के साथ। भौतिकी, गणित, कंप्यूटर विज्ञान, जीव विज्ञान, सांख्यिकी और संबंधित क्षेत्रों में क्वेरी-आधारित खोज। कॉन्फ़िगरेबल परिणाम सीमा (डिफ़ॉल्ट 10 पेपर) जिसमें परिणाम प्रासंगिकता के अनुसार क्रमबद्ध होते हैं। प्रत्येक मिलान पेपर के लिए शीर्षक और सार लौटाता है। arxiv Python पैकेज की आवश्यकता है; यदि पहले से म
official
blog-post
langchain-ai
लंबे-फॉर्म ब्लॉग पोस्ट लेखन जिसमें शोध प्रतिनिधि, संरचित सामग्री टेम्पलेट और AI-जनित कवर इमेज शामिल हैं। लिखने से पहले उप-एजेंटों को शोध सौंपता है, निष्कर्षों को संदर्भ और संदर्भ के लिए मार्कडाउन में संग्रहीत करता है। पांच-भाग वाली पोस्ट संरचना लागू करता है: हुक, संदर्भ, मुख्य सामग्री (3–5 खंड), व्यावहारिक अनुप्रयोग, और कॉल-टू-एक्शन के साथ निष्कर्ष। विस्तृत प्रॉम्प्ट का उपय
official
code-review
langchain-ai
परिवर्तनों की संरचित कोड समीक्षा करें, शुद्धता, शैली, परीक्षण और संभावित समस्याओं की जाँच करें।
official
coding-prefs
langchain-ai
उपयोगकर्ता की कोडिंग प्राथमिकताओं को /memory/coding-prefs.md से पढ़ें, इससे पहले कि कोई गैर-सामान्य शैली निर्णय लिया जाए, और जब उपयोगकर्ता नई प्राथमिकताएँ देता है तो उन्हें जोड़ें…
official
competitor-analysis
langchain-ai
जब प्रतिस्पर्धियों का विश्लेषण करने के लिए कहा जाए:
official
cudf-analytics
langchain-ai
GPU-त्वरित डेटा विश्लेषण के लिए डेटासेट, CSV या सारणीबद्ध डेटा पर NVIDIA cuDF का उपयोग करें। तब ट्रिगर होता है जब कार्यों में groupby एकत्रीकरण, सांख्यिकीय... शामिल हों।
official
cuml-machine-learning
langchain-ai
GPU-त्वरित मशीन लर्निंग के लिए NVIDIA cuML का उपयोग करके सारणीबद्ध डेटा पर कार्य करें। यह तब सक्रिय होता है जब कार्यों में वर्गीकरण, प्रतिगमन, क्लस्टरिंग, आयामी कमी... शामिल होती है।
official
data-visualization
langchain-ai
प्रकाशन-गुणवत्ता वाले चार्ट और बहु-पैनल विश्लेषण सारांश बनाने के लिए उपयोग करें। तब सक्रिय होता है जब कार्यों में डेटा विज़ुअलाइज़ करना, परिणाम प्लॉट करना, बनाना शामिल होता है…
official