[掌握Log10：提升LangChain的调试和管理能力]

最新推荐文章于 2024-11-14 18:23:29 发布

bhawfgrcbtwny

最新推荐文章于 2024-11-14 18:23:29 发布

阅读量237

点赞数

文章标签： langchain 服务器 linux python

本文链接：https://blog.csdn.net/bhawfgrcbtwny/article/details/142851383

版权

# 掌握Log10：提升LangChain的调试和管理能力

## 引言
在现代应用开发中，管理和调试复杂的LLM（大型语言模型）非常关键。Log10是一个开源的平台，专为LangChain提供无代理的数据管理和应用开发支持。本篇文章将介绍如何在LangChain中集成Log10，以实现强大的日志记录、调试和标签管理。

## 主要内容

### 什么是Log10？
Log10是一个开源平台，能够让开发者轻松地记录、调试和管理LangChain调用。它通过提供无代理环境，简化了LLM应用程序的开发和维护。

### 快速开始
1. 在[log10.io](https://log10.io)创建一个免费账户。
2. 在账户设置中获取`LOG10_TOKEN`和`LOG10_ORG_ID`，并将它们作为环境变量添加。
3. 添加`LOG10_URL=https://log10.io`以及您的LLM API密钥（例如`OPENAI_API_KEY`或`ANTHROPIC_API_KEY`）到环境中。

### 如何为LangChain启用Log10数据管理
使用Log10进行集成非常简单，只需一行代码就可以实现`log10_callback`集成，如下所示：

```python
from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage
from log10.langchain import Log10Callback
from log10.llm import Log10Config

# 使用API代理服务提高访问稳定性
log10_callback = Log10Callback(log10_config=Log10Config())

messages = [
    HumanMessage(content="You are a ping pong machine"),
    HumanMessage(content="Ping?"),
]

llm = ChatOpenAI(model="gpt-3.5-turbo", callbacks=[log10_callback])

使用Log10的标签功能

Log10允许你在调用中添加标签，以便更好地组织和管理调用数据：

from langchain_openai import ChatOpenAI
from langchain_core.messages import HumanMessage
from log10.langchain import Log10Callback
from log10.llm import Log10Config

log10_callback = Log10Callback(log10_config=Log10Config())

messages = [
    HumanMessage(content="You are a ping pong machine"),
    HumanMessage(content="Ping?"),
]

llm = ChatOpenAI(model="gpt-3.5-turbo", callbacks=[log10_callback], temperature=0.5, tags=["test"])
completion = llm.predict_messages(messages, tags=["foobar"])
print(completion)

结合OpenAI和LangChain调用

你也可以将直接的OpenAI调用与LangChain的LLM调用结合使用：

import os
from log10.load import log10, log10_session
import openai
from langchain_openai import OpenAI

log10(openai)

with log10_session(tags=["foo", "bar"]):
    response = openai.Completion.create(
        model="text-ada-001",
        prompt="Where is the Eiffel Tower?",
        temperature=0,
        max_tokens=1024,
        top_p=1,
        frequency_penalty=0,
        presence_penalty=0,
    )
    print(response)

    llm = OpenAI(model_name="text-ada-001", temperature=0.5)
    response = llm.predict("You are a ping pong machine.\nPing?\n")
    print(response)