各位同仁，各位对复杂系统调试和可观测性充满热情的工程师们，大家好。 今天，我们将深入探讨一个在处理现代复杂软件架构，特别是基于大语言模型（LLM）的应用中变得越来越关键的概念——“图扁平化”（Graph Flattening）。我们将重点关注如何将一个极其复杂的嵌套图扁平化，以显著提高像 LangSmith 这样的追踪工具的可读性。 在构建复杂的 LLM 代理、链和工具集成时，我们经常会发现我们的系统行为追踪变得异常庞大和深邃。LangSmith 作为 LangChain 生态系统中的核心可观测性工具，为我们提供了无与伦比的洞察力，但当一个请求触发了数千个内部运行（Runs），并且这些运行层层嵌套时，即使是 LangSmith 的优秀 UI 也可能显得力不从心。这时，图扁平化就成为了我们理解、调试和优化这些复杂系统的强大武器。 一、理解嵌套图的复杂性及其挑战 在深入图扁平化之前，我们首先需要理解我们正在处理的问题。 1.1 什么是图？ 在计算机科学中，图（Graph）是一种抽象数据类型，用于表示对象之间的关系。它由一组节点（Nodes，也称为顶点 Vertices）和连接这些节点的边（ …
继续阅读“什么是 ‘Graph Flattening’？如何将一个极其复杂的嵌套图扁平化以提高 LangSmith 的追踪可读性”