用途：用于创建评估数据集、把数据集上传到 LangSmith，以及管理已有数据集。适合需要基于追踪数据构建评测集的场景。
主要能力：涵盖四类常见评估数据集——final_response（完整对话与期望输出，测整体智能体行为）、single_step（单节点输入输出，测特定节点）、trajectory（工具调用顺序，测执行路径）、rag（问题/片段/答案/引用，测检索质量）。数据集为 JSON 文件，由示例数组构成，每个示例含 inputs 与 outputs。
使用方式：认证必需，设置 LANGSMITH_API_KEY，或在 CLI 命令传 --api-key（推荐）。可设置 LANGSMITH_PROJECT 以确定包含相关追踪的项目；LANGSMITH_WORKSPACE_ID 可选，用于组织级密钥。依赖安装：pip install langsmith、npm install langsmith；CLI 安装命令为 curl -sSL https://raw.githubusercontent.com/langchain-ai/langsmith-cli/main/scripts/install.sh | sh。常用命令包括 langsmith dataset list、get、create、delete、export、upload，以及 example 与 experiment 子命令，如 langsmith dataset upload <file> --name <name>、langsmith example list --dataset <name>。也可直接用 SDK：client.create_dataset 与 client.create_examples。
典型流程：先用 langsmith trace export 导出追踪，经代码处理成数据集格式，再上传并验证，最后运行实验。
限制与注意：破坏性操作（删除、覆盖）会弹出确认提示；有用户交互时必须等待输入，除非用户明确要求，否则不要用 --yes；非交互运行时才用 --yes。常见问题排查：上传后数据集为空需检查 JSON 是否为含 inputs 的对象数组；导出无数据需确认导出时用了 --full 且追踪含 inputs/outputs；示例数不符可用 dataset get 核对远端数量。官方未提供的细节暂未给出。