用途：在 LangSmith 中构建评估流水线，覆盖三大核心组件：创建评估器（LLM 作为评判、自定义代码）、定义运行函数、以及上传与运行评估。
主要能力：支持离线评估器（签名 (run, example)，附属于数据集，用于与期望值对比）与在线评估器（签名 (run)，附属于项目，用于生产实时质量检查）。评估器类型包括 LLM 作为评判（适合主观质量，如准确性、有用性、相关性）与自定义代码（适合确定性检查，如精确匹配、轨迹验证、格式合规）。
使用方式：需配置 LANGSMITH_API_KEY（必填）、LANGSMITH_WORKSPACE_ID（可选）、OPENAI_API_KEY（用于 LLM 评判）。Python 依赖：pip install langsmith langchain-openai python-dotenv；JavaScript 依赖：npm install langsmith commander chalk cli-table3 dotenv openai。上传命令示例：python upload_evaluators.py upload my_evaluators.py --name "Trajectory Match" --function trajectory_evaluator --dataset "My Dataset" --replace；在线评估器用 --project。也支持 list 与 delete 子命令。
关键要求：实现前必须先检查——先运行智能体并捕获实际输出，检查输出结构，再编写处理代码；输出结构因框架、智能体类型和配置而异，切勿假设。评估器返回格式为 {"score": value, "comment": "..."}，每个评估器只返回一个指标。Python 中本地 evaluate() 的 run 是 RunTree 对象，上传后是 dict，需兼容处理。
限制：LLM 作为评判的上传当前不被脚本支持，仅支持代码评估器；对数据集评估强烈建议先定义本地评估器配合 evaluate(evaluators=[...]) 使用。上传的评估器出于安全原因包访问权限非常有限，仅依赖标准 Python/JavaScript 功能。上传到数据集的评估器在运行实验时会自动执行。必须指定 --dataset 或 --project 之一，不支持全局评估器。脚本在破坏性操作前会提示确认，除非用户明确要求，否则不要使用 --yes。