目標先講清楚：
分享自己在開發專案使用LangSmith進行Prompt管理

為什麼要管理 Prompt？

在多代理（Agent）或多步驟工作流裡，Prompt 其實就像「程式碼」：

• 需要版本控制，避免每次改 Prompt 都無法追蹤差異；
• 需要一致的調用方式，確保在不同環境、不同模型中結果穩定；
• 需要可觀測與可回溯，方便 Debug 與比較調整效果。

→ 沒有良好的 Prompt 管理，就會遇到「測試很久、改了卻找不到哪個版本有效」的問題。

做法分享

因為我本身架構用 LangGraph + LangSmith Tracing，延伸使用它來做 Prompt 管理是最順手的；不過Prompt管理工具，之前介紹的langfuse或openlit也有提供（開源）。

1) 在 Playground 測試與調整

先把 Prompt 丟到 LangSmith Playground 裡反覆調整，快速比較不同寫法的差異。

2) Commit 與版本控管

調整完成後，按下 commit → LangSmith 會自動產生版本號。
未來需要回滾或比較效能差異，只要切換版本就能追蹤。

3) SDK 整合（Python / JS）

LangSmith 提供 Python SDK 和 JavaScript SDK，能直接在程式裡呼叫特定版本的 Prompt：

→ 確保在不同環境跑的都是同一份 Prompt，不會出現「本地 vs 雲端版本不一致」的狀況。

4) LangChain Hub - Public Prompt參考

LangChain Hub也有其他人分享的prompt可以參考，當沒有靈感的時候，可以搜看看別人的；prompt default設定private，只有設public，才會分享到langchain hub上。

Long Context Prompting的小技巧

目前Prompt越寫越長，分享一個 Claude 官方建議的，對長文件輸入（2 萬字以上）特別有效：

1. 長文件或大輸入放最前面
2. 中間放指令與範例
3. 最後才寫查詢問題

實測顯示，這種結構能讓回覆品質提升最多 30%。
👉 Claude Long Context Tips

接下來要做什麼

接下來是進到context的部分，會先從tool使用開始

參考資源

1.LangSmith Doc-Prompt engineering quickstart
2.LangChain Hub
3.Claude Long Context Tips