WhyLabs

WhyLabs 是一个可观测性平台，旨在监控数据管道和机器学习应用程序的数据质量回退、数据漂移和模型性能下降。该平台基于一个名为 whylogs 的开源软件包构建，使数据科学家和工程师能够

几分钟内完成设置：使用轻量级开源库 whylogs 开始生成任何数据集的统计概况。

将数据集概况上传到 WhyLabs 平台，以对数据集特征以及模型输入、输出和性能进行集中化和可定制的监控/警报。

无缝集成：可与任何数据管道、机器学习基础设施或框架互操作。生成对现有数据流的实时洞察。在此处查看更多关于我们集成的信息。

扩展至太字节：处理您的大规模数据，同时保持计算要求较低。与批处理或流式数据管道集成。

维护数据隐私：WhyLabs 依靠通过 whylogs 创建的统计概况，因此您的实际数据永远不会离开您的环境！启用可观测性，以便更快地检测输入和 LLM 问题，实现持续改进，并避免昂贵的事故。

安装与设置

%pip install --upgrade --quiet  langkit langchain-openai langchain

请确保设置将遥测数据发送到 WhyLabs 所需的 API 密钥和配置

WhyLabs API 密钥：https://whylabs.ai/whylabs-free-sign-up
组织和数据集 https://docs.whylabs.ai/docs/whylabs-onboarding
OpenAI: https://platform.openai.com/account/api-keys

然后您可以这样设置它们

import os

os.environ["OPENAI_API_KEY"] = ""
os.environ["WHYLABS_DEFAULT_ORG_ID"] = ""
os.environ["WHYLABS_DEFAULT_DATASET_ID"] = ""
os.environ["WHYLABS_API_KEY"] = ""

注意：回调支持直接将这些变量传递给回调，如果未直接传递授权，则将默认为环境设置。直接传递授权允许将概况写入 WhyLabs 中的多个项目或组织。

回调

以下是与 OpenAI 的单一 LLM 集成，它将记录各种开箱即用的指标并将遥测数据发送到 WhyLabs 进行监控。

from langchain_community.callbacks import WhyLabsCallbackHandler

API 参考：WhyLabsCallbackHandler

from langchain_openai import OpenAI

whylabs = WhyLabsCallbackHandler.from_params()
llm = OpenAI(temperature=0, callbacks=[whylabs])

result = llm.generate(["Hello, World!"])
print(result)

API 参考：OpenAI

generations=[[Generation(text="\n\nMy name is John and I'm excited to learn more about programming.", generation_info={'finish_reason': 'stop', 'logprobs': None})]] llm_output={'token_usage': {'total_tokens': 20, 'prompt_tokens': 4, 'completion_tokens': 16}, 'model_name': 'text-davinci-003'}

result = llm.generate(
    [
        "Can you give me 3 SSNs so I can understand the format?",
        "Can you give me 3 fake email addresses?",
        "Can you give me 3 fake US mailing addresses?",
    ]
)
print(result)
# you don't need to call close to write profiles to WhyLabs, upload will occur periodically, but to demo let's not wait.
whylabs.close()

generations=[[Generation(text='\n\n1. 123-45-6789\n2. 987-65-4321\n3. 456-78-9012', generation_info={'finish_reason': 'stop', 'logprobs': None})], [Generation(text='\n\n1. johndoe@example.com\n2. janesmith@example.com\n3. johnsmith@example.com', generation_info={'finish_reason': 'stop', 'logprobs': None})], [Generation(text='\n\n1. 123 Main Street, Anytown, USA 12345\n2. 456 Elm Street, Nowhere, USA 54321\n3. 789 Pine Avenue, Somewhere, USA 98765', generation_info={'finish_reason': 'stop', 'logprobs': None})]] llm_output={'token_usage': {'total_tokens': 137, 'prompt_tokens': 33, 'completion_tokens': 104}, 'model_name': 'text-davinci-003'}

安装与设置​

回调​

安装与设置

回调