[掌握LangChain调用：使用Log10数据管理平台的完整指南]

tt_jishu

于 2024-10-01 12:41:25 发布

阅读量79

点赞数 5

文章标签： langchain 数据库 linux python

本文链接：https://blog.csdn.net/tt_jishu/article/details/142669871

版权

# 掌握LangChain调用：使用Log10数据管理平台的完整指南

## 引言

在现代应用程序中，管理和调试LangChain调用变得越来越重要。Log10是一个开源的无代理LLM数据管理和应用开发平台，它帮助开发者记录、调试和标记LangChain调用。本文将引导您如何快速集成Log10到LangChain，并分享一些常见问题和解决方案。

## 主要内容

### 什么是Log10？

Log10提供了一种无缝的方法来处理LangChain调用的数据管理。它不仅可以记录，还可以为日志添加标签，以便更好地分类和搜索。

### 快速开始

1. 访问 [log10.io](https://log10.io) 创建免费账户。
2. 在平台上找到您的`LOG10_TOKEN`和`LOG10_ORG_ID`，并将它们作为环境变量添加。
3. 还需设置`LOG10_URL=https://log10.io`以及您的LLM API密钥，例如`OPENAI_API_KEY`。

### 如何为LangChain启用Log10数据管理

通过简单的一行`log10_callback`集成，您可以开始日志记录：

```python
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])

如何使用标签

标签可以帮助您更好地组织和过滤日志记录：

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)

直接OpenAI调用与LangChain调用的混合使用

您可以同时记录直接的OpenAI调用和LangChain调用：

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

log10(openai)

with log10_session(tags=["foo", "bar"]):
    # 直接OpenAI调用
    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,
        # 使用API代理服务提高访问稳定性
    )
    print(response)

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