LangSmith Cloud erhält Fleet-Komponente und UI-Verbesserungen

LangSmith Fleet erweitert die Cloud-Plattform

LangSmith Cloud führt mit LangSmith Fleet eine neue Komponente ein, die gezielt die Observability- und Evaluierungsfunktionen ausbaut. Entwickler erhalten dadurch erweiterte Möglichkeiten, das Verhalten und die Leistung ihrer LLM-Anwendungen detaillierter zu überwachen und zu bewerten – eine entscheidende Grundlage, um Probleme frühzeitig zu erkennen und die Modellqualität kontinuierlich zu verbessern. Gleichzeitig wurden die Funktionen für Datasets und Experimente optimiert, sodass sich Testdaten und Experimentabläufe effizienter verwalten und analysieren lassen. Diese Verbesserungen helfen Teams, ihre Machine-Learning-Projekte strukturierter zu iterieren und die Zuverlässigkeit der Ergebnisse zu steigern.

Verbesserte UI und zuverlässigere Evaluatoren

Die Benutzeroberfläche wurde an mehreren Stellen optimiert, um die Bedienung intuitiver und verlässlicher zu machen. In den Konfigurationszellen der Experiment-Tabelle werden Chips für Modelle, Prompts und Tools jetzt auf Basis realer Messungen akkurat gekürzt, was abgeschnittene oder überlappende Elemente verhindert und die Lesbarkeit erhöht. Das +N-Überlauf-Badge ist nun ein Dropdown, das dieselben Aktionen wie das Chip-Menü (Filtern, Gruppieren, Playground-Öffnen, Details) bereitstellt – so bleiben alle Funktionen auch bei vielen Einträgen schnell erreichbar. Die Run-Tree-Ansicht in Experimentvergleichen expandiert Wiederholungsläufe jetzt zuverlässig, selbst wenn ein Wiederholungsstamm nur eine Projekt-ID, aber keine Session-ID besitzt. Nutzer können dadurch die Ausführungsstruktur vollständig einsehen, was für die Fehleranalyse essenziell ist. Zudem laden Evaluatoren, die mit Hub-Prompts verknüpft sind, nun fehlerfrei für flache Strukturen, was manuelle Workarounds überflüssig macht und die Evaluierung deutlich robuster gestaltet.