深入探索WandB Tracing在LangChains中的应用-优快云博客

本文链接：https://blog.youkuaiyun.com/tt_jishu/article/details/142358966

# 深入探索WandB Tracing在LangChains中的应用

## 引言

在复杂的AI项目中，了解代码执行流程和结果分析是至关重要的。Weights & Biases (WandB) 提供了一套强大的追踪和可视化工具，帮助开发者更好地监控和优化模型表现。本文将介绍如何在LangChain项目中使用WandB Tracing来实现这一目标。

## 主要内容

### 1. 配置WandB Tracing

要追踪LangChains的执行，我们可以采用两种推荐方法：

1. 设置环境变量`LANGCHAIN_WANDB_TRACING`为`"true"`。
2. 使用`wandb_tracing_enabled()`上下文管理器来追踪特定代码块。

> **注意：** 如果环境变量已设置，所有代码块都会被追踪，无论是否在上下文管理器内。

### 2. 环境变量配置

WandB提供了通过环境变量配置的文档，以下是一个简单的配置示例：

```python
import os

# 设置LangChain的WandB Tracing环境变量
os.environ["LANGCHAIN_WANDB_TRACING"] = "true"
# 配置WandB项目名称
os.environ["WANDB_PROJECT"] = "langchain-tracing"

有关详细信息，请参阅WandB官方文档。

3. 使用上下文管理器

在某些情况下，您可能需要仅追踪某个特定代码块。可以使用以下方法：

from langchain_community.callbacks import wandb_tracing_enabled

# 在上下文管理器内启用Tracing
with wandb_tracing_enabled():
    # 你的代码块
    pass

代码示例

以下是一个完整的LangChain示例，演示如何使用WandB Tracing：

import os
from langchain_community.callbacks import wandb_tracing_enabled
from langchain.agents import AgentType, initialize_agent, load_tools
from langchain_openai import OpenAI

# 使用API代理服务提高访问稳定性
os.environ["LANGCHAIN_WANDB_TRACING"] = "true"
os.environ["WANDB_PROJECT"] = "langchain-tracing"

llm = OpenAI(temperature=0)
tools = load_tools(["llm-math"], llm=llm)

agent = initialize_agent(
    tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)

# 运行带有Tracing的代理
agent.run("What is 2 raised to .123243 power?")

# 取消设置环境变量，并使用上下文管理器
if "LANGCHAIN_WANDB_TRACING" in os.environ:
    del os.environ["LANGCHAIN_WANDB_TRACING"]

with wandb_tracing_enabled():
    agent.run("What is 5 raised to .123243 power?")