# 掌握LLM代币使用量追踪:LangChain的实用指南
随着语言模型(LLM)在应用程序中的普及,追踪代币使用量成为计算成本的重要部分。本文将介绍如何通过LangChain模型调用获取代币使用信息。
## 引言
在将您的应用程序投入生产环境之前,了解GPT-3.5等LLM的代币使用情况是至关重要的。本文将引导您通过LangChain跟踪代币使用,并计算相关成本。
## 主要内容
### 先决条件
本文假设您已经熟悉以下概念:
- LLM(大语言模型)
- 使用LangSmith进行监控
### 使用LangSmith
您可以使用LangSmith帮助您跟踪LLM应用程序中的代币使用情况。请参阅LangSmith快速入门指南。
### 使用回调
一些API特定的回调上下文管理器允许您跨多次调用跟踪代币使用。您需要检查是否为您的特定模型提供了这样的集成。
如果没有,您可以通过自定义回调管理器以适应OpenAI的回调管理器实现。
### OpenAI示例
让我们首先看看如何简单地跟踪一次聊天模型调用的代币使用。
```python
from langchain_community.callbacks import get_openai_callback
from langchain_openai import OpenAI
llm = OpenAI(model_name="gpt-3.5-turbo-instruct")
with get_openai_callback() as cb:
result = llm.invoke("Tell me a joke")
print(result)
print("---")
print()
print(f"Total Tokens: {cb.total_tokens}")
print(f"Prompt Tokens: {cb.prompt_tokens}")
print(f"Completion Tokens: {cb.completion_tokens}")
print(f"Total Cost (USD): ${cb.total_cost}")
输出示例:
Why don't scientists trust atoms?
Because they make up everything.
---
Total Tokens: 18
Prompt Tokens: 4
Completion Tokens: 14
Total Cost (USD): $3.4e-05
多次调用
在上下文管理器内的任何内容都会被追踪。以下是如何在链中跟踪多次调用的示例。
from langchain_community.callbacks import get_openai_callback
from langchain_core.prompts import PromptTemplate
from langchain_openai import OpenAI
llm = OpenAI(model_name="gpt-3.5-turbo-instruct")
template = PromptTemplate.from_template("Tell me a joke about {topic}")
chain = template | llm
with get_openai_callback() as cb:
response = chain.invoke({"topic": "birds"})
print(response)
response = chain.invoke({"topic": "fish"})
print("--")
print(response)
print()
print("---")
print(f"Total Tokens: {cb.total_tokens}")
print(f"Prompt Tokens: {cb.prompt_tokens}")
print(f"Completion Tokens: {cb.completion_tokens}")
print(f"Total Cost (USD): ${cb.total_cost}")
输出示例:
Why did the chicken go to the seance?
To talk to the other side of the road!
--
Why did the fish need a lawyer?
Because it got caught in a net!
---
Total Tokens: 50
Prompt Tokens: 12
Completion Tokens: 38
Total Cost (USD): $9.400000000000001e-05
流式处理
目前,get_openai_callback不支持对旧版语言模型的流式处理代币计数。要在流式处理中正确计数代币,您可以:
- 使用聊天模型
- 实现自定义回调处理器
- 使用LangSmith等监控平台
注意:在流式处理上下文中,代币计数不会更新。
常见问题和解决方案
-
无法获取代币计数?
确保您的模型支持回调管理器并在非流式处理上下文中使用。
-
流式处理计数不准确?
实施自定义回调管理器或使用支持流式处理的聊天模型。
总结和进一步学习资源
通过本文,您已了解如何使用LangChain跟踪和计算LLM代币使用量。推荐进一步研究LangSmith的集成来增强监控。
参考资料
如果这篇文章对你有帮助,欢迎点赞并关注我的博客。您的支持是我持续创作的动力!
---END---