# LangSmith 集成实现计划

> **For agentic workers:** REQUIRED SUB-SKILL: Use superpowers:subagent-driven-development (recommended) or superpowers:executing-plans to implement this plan task-by-task. Steps use checkbox (`- [ ]`) syntax for tracking.

**Goal:** 为 Jarvis 后端集成 LangSmith 追踪，实现调用追踪、对话历史管理和评估支持。

**Architecture:** LangGraph 的 `compile()` 方法接受全局 Callbacks 参数，会自动将 Callback 传播到所有节点的 LLM 调用。只需在 Graph 编译时注入 `LangChainTracer`，即可覆盖 Master/Planner/Executor/Librarian/Analyst 所有 5 个节点和工具调用。

**Tech Stack:** langsmith, langchain-core, langgraph

---

## 文件变更总览

| 文件 | 职责 |
|---|---|
| `backend/pyproject.toml` | 添加 langsmith 依赖 |
| `backend/.env.example` | 新增 LangSmith 环境变量 |
| `backend/app/config.py` | 新增 3 个配置字段 |
| `backend/app/config_tracing.py` | 新建，callback 工厂函数 |
| `backend/app/agents/graph.py` | 修改 `create_agent_graph()` 支持 callbacks，合并全局 callbacks |

---

### Task 1: 添加 langsmith 依赖

**Files:**
- Modify: `backend/pyproject.toml`

- [ ] **Step 1: 添加 langsmith 依赖**

在 `dependencies` 数组中 `"langchain-ollama>=0.4.0",` 后添加：

```toml
    "langchain-ollama>=0.4.0",

    # 可观测性
    "langsmith>=0.1.0",
```

- [ ] **Step 2: 安装依赖**

Run: `cd backend && uv sync`

---

### Task 2: 添加环境变量模板

**Files:**
- Modify: `backend/.env.example`

- [ ] **Step 1: 在文件末尾添加 LangSmith 配置节**

在 `# === 定时任务 ===` 节之前添加：

```env
# === LangSmith 可观测性 ===
# 启用 LangSmith 追踪（可选）
LANGSMITH_TRACING=false
LANGSMITH_API_KEY=your-langsmith-api-key
LANGSMITH_PROJECT=jarvis-agent
```

---

### Task 3: Config 层添加 LangSmith 配置

**Files:**
- Modify: `backend/app/config.py`
- Create: `backend/app/config_tracing.py` (callback 工厂函数)

- [ ] **Step 1: 在 Settings 类中添加 3 个配置字段**

在 `# === NAS 部署 ===` 节之前添加：

```python
    # === LangSmith 可观测性 ===
    LANGSMITH_TRACING: bool = False
    LANGSMITH_API_KEY: str = ""
    LANGSMITH_PROJECT: str = "jarvis-agent"
```

- [ ] **Step 2: 创建 callback 工厂函数**

创建新文件 `backend/app/config_tracing.py`：

```python
"""
LangSmith Tracing 配置
提供 Callback 工厂函数，用于 LangGraph 追踪
"""

from langchain_core.callbacks import LangChainTracer

from app.config import settings


def get_langsmith_callbacks() -> list:
    """
    根据配置返回 LangSmith Callback 列表
    未启用时返回空列表
    """
    if not settings.LANGSMITH_TRACING:
        return []

    if not settings.LANGSMITH_API_KEY:
        return []

    return [
        LangChainTracer(
            project_name=settings.LANGSMITH_PROJECT,
        )
    ]
```

---

### Task 4: 修改 Graph 接受 Callbacks

**Files:**
- Modify: `backend/app/agents/graph.py`

- [ ] **Step 1: 修改 create_agent_graph() 签名**

将函数签名从：

```python
def create_agent_graph():
```

改为：

```python
def create_agent_graph(callbacks: list | None = None):
```

- [ ] **Step 2: 将 callbacks 传给 compile()**

将：

```python
    return graph.compile()
```

改为：

```python
    return graph.compile(callbacks=callbacks)
```

- [ ] **Step 3: 修改 get_agent_graph() 注入默认 callbacks**

将：

```python
def get_agent_graph():
    global _agent_graph
    if _agent_graph is None:
        _agent_graph = create_agent_graph()
    return _agent_graph
```

改为：

```python
from app.config_tracing import get_langsmith_callbacks


def get_agent_graph(callbacks: list | None = None):
    """
    获取编译好的 Agent 图（单例缓存）。

    Callbacks 在首次编译时固定注入，后续调用忽略 callbacks 参数。
    如需变更 Callbacks（如修改 LANGCHAIN_PROJECT），需重启服务。

    Args:
        callbacks: 可选的额外 Callbacks，会与全局 LangSmith Callbacks 合并
    """
    global _agent_graph
    if _agent_graph is None:
        langsmith_callbacks = get_langsmith_callbacks()
        all_callbacks = (callbacks or []) + langsmith_callbacks
        _agent_graph = create_agent_graph(callbacks=all_callbacks or None)
    return _agent_graph
```

---

### Task 5: 验证集成

- [ ] **Step 1: 确认依赖安装**

Run: `cd backend && uv sync`

- [ ] **Step 2: 启动服务验证无报错**

Run: `cd backend && uv run uvicorn app.main:app --reload --port 8000`

- [ ] **Step 3: 配置 .env 并测试**

在 `.env` 中添加：

```env
LANGSMITH_TRACING=true
LANGSMITH_API_KEY=your-api-key
LANGSMITH_PROJECT=jarvis-agent
```

发起一次 Agent 对话，访问 https://smith.langchain.com 确认 trace 出现。

预期在 Dashboard 中看到：
- 5 个节点（master/planner/executor/librarian/analyst）的执行记录
- 每个节点的 LLM 输入/输出
- 工具调用记录
- Token 消耗统计