Context
Context 为基于 LLM 的产品和功能提供用户分析。
借助 Context
,您可以在不到 30 分钟的时间内开始了解用户并改善他们的体验。
在本指南中,我们将向您展示如何与 Context 集成。
安装与设置
%pip install --upgrade --quiet langchain langchain-openai langchain-community context-python
获取 API 凭证
获取 Context API 令牌
- 访问您的 Context 账户中的设置页面 (https://with.context.ai/settings)。
- 生成新的 API 令牌。
- 将此令牌安全存储。
设置 Context
要使用 ContextCallbackHandler
,请从 Langchain 导入处理程序并使用您的 Context API 令牌对其进行实例化。
在使用处理程序之前,请确保已安装 context-python
包。
from langchain_community.callbacks.context_callback import ContextCallbackHandler
API 参考:ContextCallbackHandler
import os
token = os.environ["CONTEXT_API_TOKEN"]
context_callback = ContextCallbackHandler(token)
使用
聊天模型中的 Context 回调
Context 回调处理程序可用于直接记录用户与 AI 助手之间的对话记录。
import os
from langchain_core.messages import HumanMessage, SystemMessage
from langchain_openai import ChatOpenAI
token = os.environ["CONTEXT_API_TOKEN"]
chat = ChatOpenAI(
headers={"user_id": "123"}, temperature=0, callbacks=[ContextCallbackHandler(token)]
)
messages = [
SystemMessage(
content="You are a helpful assistant that translates English to French."
),
HumanMessage(content="I love programming."),
]
print(chat(messages))
链中的 Context 回调
Context 回调处理程序也可用于记录链的输入和输出。请注意,链的中间步骤不会被记录——只记录初始输入和最终输出。
注意:请确保将相同的 context 对象传递给聊天模型和链。
错误示例
chat = ChatOpenAI(temperature=0.9, callbacks=[ContextCallbackHandler(token)])
chain = LLMChain(llm=chat, prompt=chat_prompt_template, callbacks=[ContextCallbackHandler(token)])
正确示例
handler = ContextCallbackHandler(token)
chat = ChatOpenAI(temperature=0.9, callbacks=[callback])
chain = LLMChain(llm=chat, prompt=chat_prompt_template, callbacks=[callback])
import os
from langchain.chains import LLMChain
from langchain_core.prompts import PromptTemplate
from langchain_core.prompts.chat import (
ChatPromptTemplate,
HumanMessagePromptTemplate,
)
from langchain_openai import ChatOpenAI
token = os.environ["CONTEXT_API_TOKEN"]
human_message_prompt = HumanMessagePromptTemplate(
prompt=PromptTemplate(
template="What is a good name for a company that makes {product}?",
input_variables=["product"],
)
)
chat_prompt_template = ChatPromptTemplate.from_messages([human_message_prompt])
callback = ContextCallbackHandler(token)
chat = ChatOpenAI(temperature=0.9, callbacks=[callback])
chain = LLMChain(llm=chat, prompt=chat_prompt_template, callbacks=[callback])
print(chain.run("colorful socks"))