跳到主要内容
Open In ColabOpen on GitHub

PromptLayer

PromptLayer 是一个用于提示工程的平台。它还通过 LLM 可观测性帮助可视化请求、版本化提示并跟踪使用情况。

虽然 PromptLayer 确实有直接与 LangChain 集成的 LLM(例如 PromptLayerOpenAI),但使用回调是推荐的将 PromptLayer 与 LangChain 集成的方式。

本指南将介绍如何设置 PromptLayerCallbackHandler

更多信息请参见 PromptLayer 文档

安装与设置

%pip install --upgrade --quiet  langchain-community promptlayer --upgrade

获取 API 凭证

如果您没有 PromptLayer 账户,请在 promptlayer.com 上创建一个。然后点击导航栏中的设置齿轮获取 API 密钥,并将其设置为名为 PROMPTLAYER_API_KEY 的环境变量。

使用

PromptLayerCallbackHandler 的入门相当简单,它有两个可选参数:

  1. pl_tags - 一个可选的字符串列表,将作为标签在 PromptLayer 上进行跟踪。
  2. pl_id_callback - 一个可选函数,它将 promptlayer_request_id 作为参数。此 ID 可用于 PromptLayer 的所有跟踪功能,以跟踪元数据、分数和提示使用情况。

简单的 OpenAI 示例

在这个简单示例中,我们使用 PromptLayerCallbackHandlerChatOpenAI。我们添加了一个名为 chatopenai 的 PromptLayer 标签。

import promptlayer  # Don't forget this 🍰
from langchain_community.callbacks.promptlayer_callback import (
PromptLayerCallbackHandler,
)
from langchain_core.messages import HumanMessage
from langchain_openai import ChatOpenAI

chat_llm = ChatOpenAI(
temperature=0,
callbacks=[PromptLayerCallbackHandler(pl_tags=["chatopenai"])],
)
llm_results = chat_llm.invoke(
[
HumanMessage(content="What comes after 1,2,3 ?"),
HumanMessage(content="Tell me another joke?"),
]
)
print(llm_results)
API 参考:HumanMessage | ChatOpenAI

GPT4All 示例

from langchain_community.llms import GPT4All

model = GPT4All(model="./models/gpt4all-model.bin", n_ctx=512, n_threads=8)
callbacks = [PromptLayerCallbackHandler(pl_tags=["langchain", "gpt4all"])]

response = model.invoke(
"Once upon a time, ",
config={"callbacks": callbacks},
)
API 参考:GPT4All

在此示例中,我们解锁了 PromptLayer 的更多功能。

PromptLayer 允许您可视化创建、版本化和跟踪提示模板。使用 提示注册表,我们可以通过编程方式获取名为 example 的提示模板。

我们还定义了一个 pl_id_callback 函数,它接受 promptlayer_request_id 作为参数,并记录分数、元数据并链接所使用的提示模板。有关跟踪的更多信息,请阅读我们的文档

from langchain_openai import OpenAI


def pl_id_callback(promptlayer_request_id):
print("prompt layer id ", promptlayer_request_id)
promptlayer.track.score(
request_id=promptlayer_request_id, score=100
) # score is an integer 0-100
promptlayer.track.metadata(
request_id=promptlayer_request_id, metadata={"foo": "bar"}
) # metadata is a dictionary of key value pairs that is tracked on PromptLayer
promptlayer.track.prompt(
request_id=promptlayer_request_id,
prompt_name="example",
prompt_input_variables={"product": "toasters"},
version=1,
) # link the request to a prompt template


openai_llm = OpenAI(
model_name="gpt-3.5-turbo-instruct",
callbacks=[PromptLayerCallbackHandler(pl_id_callback=pl_id_callback)],
)

example_prompt = promptlayer.prompts.get("example", version=1, langchain=True)
openai_llm.invoke(example_prompt.format(product="toasters"))
API 参考:OpenAI

这就是所需的全部!设置完成后,您的所有请求都将显示在 PromptLayer 仪表板上。此回调也适用于 LangChain 上实现的任何 LLM。