用途：面向 LangSmith/LangChain 可观测性问题，包含两大主题——为应用添加追踪，以及查询追踪用于调试与分析。
配置：需设置环境变量 LANGSMITH_API_KEY（必填），可选 LANGSMITH_PROJECT、LANGSMITH_WORKSPACE_ID。依赖安装：pip install langsmith click rich python-dotenv。
添加追踪：LangChain/LangGraph 应用只需设置环境变量即可自动追踪，如 export LANGSMITH_TRACING=true、LANGSMITH_API_KEY、OPENAI_API_KEY；可选 LANGSMITH_PROJECT，serverless 场景可用 LANGCHAIN_CALLBACKS_BACKGROUND=false。非 LangChain/LangGraph 应用应先检查代码库：若使用 OpenTelemetry 优先用 OTel 集成；Vercel AI SDK、LlamaIndex、Instructor、DSPy、LiteLLM 有原生集成。否则使用 @traceable 装饰器并包装 LLM 客户端，例如 from langsmith import traceable、from langsmith.wrappers import wrap_openai，用 wrap_openai(OpenAI()) 包装客户端。
最佳实践：对需要可见的嵌套函数应用 @traceable；包装后的客户端自动追踪所有调用；用 name 命名追踪便于过滤，用 metadata 增加可搜索性。
查询追踪：在 skills/langsmith-trace/scripts/ 下运行脚本。命令包括 recent（列出最近追踪，支持 --limit、--project、--last-n-minutes、--include-metadata、--format）、trace <id>（查看详情，支持 --show-hierarchy）、export <dir>（批量导出，支持 --limit、--include-metadata、--include-io、--full、--run-type、--max-concurrent）、search <pattern>（按名称查找）。
提示：批量数据用 export，始终指定 --project，临时文件用 /tmp，性能成本分析加 --include-metadata，大导出可提高 --max-concurrent，配合 jq 分析 JSON。相关技能：langsmith-dataset 生成评估数据集，langsmith-evaluator 创建评估器。