如何对数据集进行版本控制

在 LangSmith 中，数据集是版本化的。这意味着每次您向数据集中添加、更新或删除示例时，都会创建一个该数据集的新版本。

创建数据集的新版本

每当您在数据集中添加、更新或删除示例时，系统都会创建该数据集的一个新版本。这使您能够跟踪数据集随时间的变化，并了解其演进过程。

默认情况下，版本由变更的时间戳定义。在“示例”标签页中，点击数据集的某个特定版本（按时间戳），即可查看该时间点上数据集的状态。

请注意，当查看数据集的过往版本时，示例为只读状态。您还将看到该数据集版本与“最新”版本之间的所有操作。此外，默认情况下，“示例”标签页中显示的是数据集的最新版本，而“测试”标签页中则显示所有版本的实验。

在“测试”选项卡中，您可以查看在不同版本的数据集上运行的测试结果。

标记一个版本

您还可以为数据集的各个版本添加标签，以赋予其更易于人类理解的名称。这有助于标记数据集历史中的重要里程碑。

例如，您可以将数据集的某个版本标记为“prod”，并使用它来对您的大语言模型（LLM）流水线运行测试。

在用户界面中，可通过点击“示例”标签页中的“+ 为该版本添加标签”来完成标签标注。

您还可以使用 SDK 为数据集的版本添加标签。以下是如何使用 Python SDK 为数据集版本添加标签的示例：

from langsmith import Client
from  datetime import datetime

client = Client()

initial_time = datetime(2024, 1, 1, 0, 0, 0) # The timestamp of the version you want to tag

# You can tag a specific dataset version with a semantic name, like "prod"
client.update_dataset_tag(
    dataset_name=toxic_dataset_name, as_of=initial_time, tag="prod"
)

如需在数据集的特定带标签版本上运行评估，请参阅本指南。