追踪 Instructor 应用

LangSmith 提供了与 Instructor 的便捷集成，这是一个流行的开源库，用于通过 LLM 生成结构化输出。

要使用它，首先需要设置你的 LangSmith API key。

export LANGSMITH_API_KEY=<your-api-key>
# For LangSmith API keys linked to multiple workspaces, set the LANGSMITH_WORKSPACE_ID environment variable to specify which workspace to use.
export LANGSMITH_WORKSPACE_ID=<your-workspace-id>

接下来，你需要安装 LangSmith SDK：

pip

pip install -U langsmith

uv

uv add langsmith

使用 langsmith.wrappers.wrap_openai 包装你的 OpenAI 客户端

from openai import OpenAI
from langsmith import wrappers

client = wrappers.wrap_openai(OpenAI())

之后，你可以使用 instructor 对包装后的 OpenAI 客户端进行 patch：

import instructor

client = instructor.patch(client)

现在，你可以像往常一样使用 instructor，但所有内容都会记录到 LangSmith！

from pydantic import BaseModel

class UserDetail(BaseModel):
    name: str
    age: int

user = client.chat.completions.create(
    model="gpt-5.4-mini",
    response_model=UserDetail,
    messages=[
        {"role": "user", "content": "Extract Jason is 25 years old"},
    ]
)

通常，你会在其他函数内部使用 instructor。 通过使用这个包装后的客户端，并用 @traceable 装饰这些函数，你可以获得嵌套追踪。 有关如何使用 @traceable 装饰器为代码添加追踪标注的更多信息，请参阅自定义埋点。

# You can customize the run name with the `name` keyword argument
@traceable(name="Extract User Details")
def my_function(text: str) -> UserDetail:
    return client.chat.completions.create(
        model="gpt-5.4-mini",
        response_model=UserDetail,
        messages=[
            {"role": "user", "content": f"Extract {text}"},
        ]
    )

my_function("Jason is 25 years old")

---