PromptLayerChatOpenAI
此示例展示了如何连接到 PromptLayer 以开始记录您的 ChatOpenAI 请求。
安装 PromptLayer
promptlayer 包是使用 PromptLayer 与 OpenAI 所必需的。使用 pip 安装 promptlayer。
pip install promptlayer
导入
import os
from langchain_community.chat_models import PromptLayerChatOpenAI
from langchain_core.messages import HumanMessage
API 参考：PromptLayerChatOpenAI | HumanMessage
设置环境 API 密钥
您可以在 www.promptlayer.com 上创建 PromptLayer API 密钥，方法是点击导航栏中的设置齿轮。
将其设置为名为 PROMPTLAYER_API_KEY 的环境变量。
os.environ["PROMPTLAYER_API_KEY"] = "**********"
像往常一样使用 PromptLayerOpenAI LLM
您可以选择传入 pl_tags 以使用 PromptLayer 的标签功能跟踪您的请求。
chat = PromptLayerChatOpenAI(pl_tags=["langchain"])
chat([HumanMessage(content="I am a cat and I want")])
AIMessage(content='to take a nap in a cozy spot. I search around for a suitable place and finally settle on a soft cushion on the window sill. I curl up into a ball and close my eyes, relishing the warmth of the sun on my fur. As I drift off to sleep, I can hear the birds chirping outside and feel the gentle breeze blowing through the window. This is the life of a contented cat.', additional_kwargs={})
上述请求现在应该会出现在您的 PromptLayer 仪表板 上。
使用 PromptLayer Track
如果您想使用任何 PromptLayer 跟踪功能，则需要在实例化 PromptLayer LLM 时传递参数 return_pl_id 以获取请求 ID。
import promptlayer
chat = PromptLayerChatOpenAI(return_pl_id=True)
chat_results = chat.generate([[HumanMessage(content="I am a cat and I want")]])
for res in chat_results.generations:
pl_request_id = res[0].generation_info["pl_request_id"]
promptlayer.track.score(request_id=pl_request_id, score=100)
使用此功能，您可以在 PromptLayer 仪表板中跟踪模型的性能。如果您使用的是提示模板，则也可以将模板附加到请求。总的来说，这使您有机会在 PromptLayer 仪表板中跟踪不同模板和模型的性能。