Skip to main content
Open In Colab在 GitHub 上打开

提示层

PromptLayer 是一个用于提示工程的平台。它还有助于提高 LLM 可观测性，以可视化请求、版本提示和跟踪使用情况。

而PromptLayer确实具有直接与 LangChain 集成的 LLM（例如PromptLayerOpenAI），则使用回调是推荐的集成方式PromptLayer与 LangChain 一起使用。

在本指南中，我们将介绍如何设置PromptLayerCallbackHandler.

有关更多信息，请参阅 PromptLayer 文档。

安装和设置

%pip install --upgrade --quiet  langchain-community promptlayer --upgrade

获取 API 凭证

如果您没有 PromptLayer 帐户，请在 promptlayer.com 上创建一个。然后通过单击导航栏中的设置齿轮获取 API 密钥，然后 将其设置为名为PROMPTLAYER_API_KEY

用法

开始使用PromptLayerCallbackHandler相当简单，它需要两个可选参数：

  1. pl_tags- 将在 PromptLayer 上作为标签进行跟踪的可选字符串列表。
  2. pl_id_callback- 一个可选函数，该函数将采用promptlayer_request_id作为参数。此 ID 可与 PromptLayer 的所有跟踪功能一起使用，以跟踪元数据、分数和提示使用情况。

简单的 OpenAI 示例

在这个简单的例子中，我们使用PromptLayerCallbackHandler跟ChatOpenAI.我们添加一个名为chatopenai

import promptlayer  # Don't forget this 🍰
from langchain_community.callbacks.promptlayer_callback import (
    PromptLayerCallbackHandler,
)
from langchain_core.messages import HumanMessage
from langchain_openai import ChatOpenAI

chat_llm = ChatOpenAI(
    temperature=0,
    callbacks=[PromptLayerCallbackHandler(pl_tags=["chatopenai"])],
)
llm_results = chat_llm.invoke(
    [
        HumanMessage(content="What comes after 1,2,3 ?"),
        HumanMessage(content="Tell me another joke?"),
    ]
)
print(llm_results)
API 参考：HumanMessage | 聊天OpenAI

GPT4All 示例

from langchain_community.llms import GPT4All

model = GPT4All(model="./models/gpt4all-model.bin", n_ctx=512, n_threads=8)
callbacks = [PromptLayerCallbackHandler(pl_tags=["langchain", "gpt4all"])]

response = model.invoke(
    "Once upon a time, ",
    config={"callbacks": callbacks},
)
API 参考：GPT4All

在这个例子中，我们解锁了PromptLayer.

PromptLayer 允许您直观地创建、版本和跟踪提示模板。使用 Prompt Registry，我们可以以编程方式获取名为example.

我们还定义了一个pl_id_callback函数，该函数接收promptlayer_request_id并记录分数、元数据并链接所使用的提示模板。在我们的 docs 上阅读有关跟踪的更多信息。

from langchain_openai import OpenAI


def pl_id_callback(promptlayer_request_id):
    print("prompt layer id ", promptlayer_request_id)
    promptlayer.track.score(
        request_id=promptlayer_request_id, score=100
    )  # score is an integer 0-100
    promptlayer.track.metadata(
        request_id=promptlayer_request_id, metadata={"foo": "bar"}
    )  # metadata is a dictionary of key value pairs that is tracked on PromptLayer
    promptlayer.track.prompt(
        request_id=promptlayer_request_id,
        prompt_name="example",
        prompt_input_variables={"product": "toasters"},
        version=1,
    )  # link the request to a prompt template


openai_llm = OpenAI(
    model_name="gpt-3.5-turbo-instruct",
    callbacks=[PromptLayerCallbackHandler(pl_id_callback=pl_id_callback)],
)

example_prompt = promptlayer.prompts.get("example", version=1, langchain=True)
openai_llm.invoke(example_prompt.format(product="toasters"))
API 参考：OpenAI

就这么简单！设置完成后，您的所有请求都将显示在 PromptLayer 仪表板上。 此回调也适用于在 LangChain 上实现的任何 LLM。