Skip to main content
Open In ColabOpen on GitHub

PromptLayer

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

虽然 PromptLayer 确实有直接与 LangChain 集成的 LLMs（例如 PromptLayerOpenAI），但使用回调是将 PromptLayer 与 LangChain 集成的推荐方式。

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

查看 PromptLayer 文档 获取更多信息。

安装与设置​

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

获取API凭证​

如果您没有PromptLayer账户，请在promptlayer.com上创建一个。然后通过点击导航栏中的设置齿轮获取API密钥，并将其设置为名为PROMPTLAYER_API_KEY的环境变量。

用法​

开始使用PromptLayerCallbackHandler相当简单，它接受两个可选参数：

  1. pl_tags - 一个可选的字符串列表，将在PromptLayer上作为标签进行跟踪。
  2. pl_id_callback - 一个可选的函数，它将接受promptlayer_request_id作为参数。此ID可以与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与ChatOpenAI。我们添加了一个名为chatopenai的PromptLayer标签

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 Reference:HumanMessage | ChatOpenAI

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 Reference:GPT4All

在这个例子中，我们解锁了PromptLayer的更多功能。

PromptLayer 允许您直观地创建、版本控制和跟踪提示模板。使用 Prompt Registry，我们可以通过编程方式获取名为 example 的提示模板。

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，并链接使用的提示模板。了解更多关于跟踪的信息，请访问我们的文档。

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 Reference:OpenAI

这就是全部所需！设置完成后，您的所有请求将显示在PromptLayer仪表板上。 此回调也适用于在LangChain上实现的任何LLM。

这个页面有帮助吗？