クイックスタート: LLM の入出力を追跡する

トレースを追加して LLM アプリのデバッグを開始しましょう。

Colab で試すGitHub ソース

コードにトレースを追加し、Weave を使って LLM の呼び出しを追跡する方法を学びます。このクイックスタートでは、OpenAI へのリクエストをトレースし、その結果を Weave UI で確認するまでの手順を順を追って解説します。

​

学習内容

このガイドでは、次のことを行う方法を説明します。

• コード内で Weave をインポートして設定する
• weave.op デコレーターを使ってコードを追跡する
• Weave UI でトレースを表示する

​

前提条件

• W&B アカウント
• Python 3.8 以上または Node.js 18 以上
• 必要なパッケージがインストールされていること:
  • Python: pip install weave openai
  • TypeScript: npm install weave openai
• 環境変数として設定した OpenAI の APIキー

​

新しいプロジェクトにトレースを記録する

コードのトラッキングを開始し、Weave にトレースを記録するには、次の手順を実行します:

1. weave ライブラリをコードにインポートします。
2. コード内で weave.init('your_wb_team/project_name') を呼び出し、トラッキング情報を W&B の team と project に送信します。team を設定しない場合、トレースはあなたのデフォルト team に送信されます。指定した project が team 内に存在しない場合、Weave が新しく作成します。
3. トラッキングしたい特定の関数に @weave.op() デコレータ を追加します。Weave はサポートされている LLM への呼び出しを自動的にトラッキングしますが、Weave のデコレータを追加すると、特定の関数の入力、出力、およびコードをトラッキングできます。デコレータは TypeScript では次の構文を使用します: weave.op(your_function)

次のサンプルコードは OpenAI にリクエストを送信し（OpenAI API key が必要）、Weave はそのリクエストのトレース情報を記録します。リクエストでは、OpenAI モデルに入力から恐竜の名前を抽出し、各恐竜の食性（草食か肉食か）を特定するように指示します。

次のサンプルコードを実行して、Weave を使って最初のプロジェクトをトラッキングしてください:

Python

# Weave ライブラリをインポート
import weave
from openai import OpenAI

client = OpenAI()

# Weave はこの関数の入力、出力、コードを自動的にトラッキングします
@weave.op()
def extract_dinos(sentence: str) -> dict:
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {
                "role": "system",
                "content": """In JSON format extract a list of `dinosaurs`, with their `name`,
their `common_name`, and whether its `diet` is a herbivore or carnivore"""
            },
            {
                "role": "user",
                "content": sentence
            }
            ],
            response_format={ "type": "json_object" }
        )
    return response.choices[0].message.content

# Weave を初期化し、データをログする team と project を設定
weave.init('your-team/traces-quickstart')

sentence = """I watched as a Tyrannosaurus rex (T. rex) chased after a Triceratops (Trike), \
both carnivore and herbivore locked in an ancient dance. Meanwhile, a gentle giant \
Brachiosaurus (Brachi) calmly munched on treetops, blissfully unaware of the chaos below."""

result = extract_dinos(sentence)
print(result)

TypeScript

// Weave ライブラリをインポート
import * as weave from 'weave';
import OpenAI from 'openai';

const openai = new OpenAI();

// Weave はこの関数の入力、出力、コードを自動的にトラッキングします  
async function extractDinos(input: string) {
  const response = await openai.chat.completions.create({
    model: 'gpt-4o',
    messages: [
      {
        role: 'user',
        content: `In JSON format extract a list of 'dinosaurs', with their 'name', their 'common_name', and whether its 'diet' is a herbivore or carnivore: ${input}`,
      },
    ],
  });
  return response.choices[0].message.content;
}
const extractDinosOp = weave.op(extractDinos);

async function main() {

  // Weave を初期化し、データをログする team と project を設定
  await weave.init('your-team/traces-quickstart');

  const result = await extractDinosOp(
    'I watched as a Tyrannosaurus rex (T. rex) chased after a Triceratops (Trike), both carnivore and herbivore locked in an ancient dance. Meanwhile, a gentle giant Brachiosaurus (Brachi) calmly munched on treetops, blissfully unaware of the chaos below.'
  );
  console.log(result);
}

main();

extract_dinos 関数を呼び出すと、Weave はターミナルにトレースを表示するためのリンクを出力します。出力は次のようになります:

weave:  $ pip install weave --upgrade
weave: Logged in as Weights & Biases user: example-username.
weave: View Weave data at https://wandb.ai/your-team/traces-quickstart/weave
weave: 🍩 https://wandb.ai/your-team/traces-quickstart/r/call/019ae171-7f32-7c96-8b42-931a32f900b7
{
  "dinosaurs": [
    {
      "name": "Tyrannosaurus rex",
      "common_name": "T. rex",
      "diet": "carnivore"
    },
    {
      "name": "Triceratops",
      "common_name": "Trike",
      "diet": "herbivore"
    },
    {
      "name": "Brachiosaurus",
      "common_name": "Brachi",
      "diet": "herbivore"
    }
  ]
}

​

アプリケーションのトレースをプロジェクト内で確認する

ターミナルに表示されたリンクをクリックするか、ブラウザに貼り付けて Weave UI を開きます。Weave UI の Traces パネルでトレースをクリックすると、その入力、出力、レイテンシ、トークン使用量などのデータを確認できます。

​

Traces についてさらに詳しく知る

• 関数をデコレートして呼び出し情報を取得する方法を学びましょう。
• ログされたトレース上でさまざまなモデルを試すには Playground を使ってください。
• インテグレーションを確認する。Weave は OpenAI、Anthropic をはじめとする多くの LLM ライブラリへの呼び出しを自動的にトラッキングします。使用している LLM ライブラリが現在のインテグレーションに含まれていない場合でも、@weave.op() でラップすることで、他の LLM ライブラリやフレームワークへの呼び出しを簡単にトラッキングできます。

​

次のステップ

まず アプリケーションの評価を始める から取り組み、その後で RAG アプリケーションの評価方法 を確認してください。