追踪项目和实验在我们的后端使用相同的基础数据结构，称为“会话”。您可能会在我们的文档中看到这些术语可互换使用，但它们都指的是相同的基础数据结构。我们正在努力统一我们文档和 API 中的术语。
evaluate 运行实验时，您可以使用 read_project/readProject 方法获取实验的性能指标。 实验详细信息的有效负载包括以下值：{
"start_time": "2024-06-06T01:02:51.299960",
"end_time": "2024-06-06T01:03:04.557530+00:00",
"extra": {
"metadata": {
"git": {
"tags": null,
"dirty": true,
"branch": "ankush/agent-eval",
"commit": "...",
"repo_name": "...",
"remote_url": "...",
"author_name": "Ankush Gola",
"commit_time": "...",
"author_email": "..."
},
"revision_id": null,
"dataset_splits": ["base"],
"dataset_version": "2024-06-05T04:57:01.535578+00:00",
"num_repetitions": 3
}
},
"name": "SQL Database Agent-ae9ad229",
"description": null,
"default_dataset_id": null,
"reference_dataset_id": "...",
"id": "...",
"run_count": 9,
"latency_p50": 7.896,
"latency_p99": 13.09332,
"first_token_p50": null,
"first_token_p99": null,
"total_tokens": 35573,
"prompt_tokens": 32711,
"completion_tokens": 2862,
"total_cost": 0.206485,
"prompt_cost": 0.163555,
"completion_cost": 0.04293,
"tenant_id": "...",
"last_run_start_time": "2024-06-06T01:02:51.366397",
"last_run_start_time_live": null,
"feedback_stats": {
"cot contextual accuracy": {
"n": 9,
"avg": 0.6666666666666666,
"values": {
"CORRECT": 6,
"INCORRECT": 3
}
}
},
"session_feedback_stats": {},
"run_facets": [],
"error_rate": 0,
"streaming_rate": 0,
"test_run_number": 11
}
latency_p50：第 50 百分位延迟（秒）。latency_p99：第 99 百分位延迟（秒）。total_tokens：使用的总 token 数。prompt_tokens：使用的提示 token 数。completion_tokens：使用的完成 token 数。total_cost：实验的总成本。prompt_cost：提示 token 的成本。completion_cost：完成 token 的成本。feedback_stats：实验的反馈统计数据。error_rate：实验的错误率。first_token_p50：生成第一个 token 的时间（如果使用流式传输）的第 50 百分位延迟。first_token_p99：生成第一个 token 的时间（如果使用流式传输）的第 99 百分位延迟。
以下是使用 Python 和 TypeScript SDK 获取实验性能指标的示例。 首先，作为先决条件，我们将创建一个微不足道的数据集。在这里，我们只在 Python 中演示这一点，但您可以在 TypeScript 中做同样的事情。有关详细信息，请参阅关于评估的操作指南。from langsmith import Client
client = Client()
# Create a dataset
dataset_name = "HelloDataset"
dataset = client.create_dataset(dataset_name=dataset_name)
examples = [
{
"inputs": {"input": "Harrison"},
"outputs": {"expected": "Hello Harrison"},
},
{
"inputs": {"input": "Ankush"},
"outputs": {"expected": "Hello Ankush"},
},
]
client.create_examples(dataset_id=dataset.id, examples=examples)
evaluate 的结果中检索实验名称，然后获取实验的性能指标。
from langsmith.schemas import Example, Run
dataset_name = "HelloDataset"
def foo_label(root_run: Run, example: Example) -> dict:
return {"score": 1, "key": "foo"}
from langsmith import evaluate
results = evaluate(
lambda inputs: "Hello " + inputs["input"],
data=dataset_name,
evaluators=[foo_label],
experiment_prefix="Hello",
)
resp = client.read_project(project_name=results.experiment_name, include_stats=True)
print(resp.json(indent=2))
