用途：为 LangSmith 构建评测流水线，创建并管理评测器（Evaluator），对比智能体输出与数据集期望值，或对生产运行做实时质量检查。
主要能力：支持两类评测器。LLM-as-Judge 用 LLM 打分，适合准确性、有用性、相关性等主观质量；自定义代码评测器用确定性逻辑，适合精确匹配、轨迹验证、格式合规等客观检查。离线评测器签名为 (run, example)，附着到数据集；在线评测器签名为 (run)，附着到项目。每个评测器只返回一个指标，多指标需拆成多个函数。返回格式为 {"score": value, "comment": "..."}。
用法：需认证，设置 LANGSMITH_API_KEY，或在 CLI 命令中传 --api-key（推荐）；查项目用 LANGSMITH_PROJECT，可选 LANGSMITH_WORKSPACE_ID，LLM 裁判需 OPENAI_API_KEY。Python 依赖 pip install langsmith langchain-openai python-dotenv；JS 依赖 npm install langsmith openai；上传用 CLI 安装脚本 curl -sSL https://raw.githubusercontent.com/langchain-ai/langsmith-cli/main/scripts/install.sh | sh。上传示例：langsmith evaluator upload my_evaluators.py --name "Trajectory Match" --function trajectory_evaluator --dataset "My Dataset" --replace --api-key $LANGSMITH_API_KEY；在线用 --project。列表 langsmith evaluator list，删除 langsmith evaluator delete。上传到数据集后运行实验会自动执行，无需再传给 evaluate()；本地评测则传 evaluators=[...]。
关键限制：写代码前必须先运行智能体并检查实际输出结构，不同框架输出差异大，不可假设。LLM-as-Judge 上传暂不支持 CLI，只支持代码评测器；代码评测器在沙箱中运行，仅能用内置/标准库，import 要放在函数体内。本地 evaluate() 传 RunTree 对象，上传后收到 dict，需兼容两种。破坏性操作有确认提示，除非用户明确要求否则不要用 --yes。