クイックスタート: LLM の入力と出力をトラッキングする

コードにトレースを追加して、Weave で LLM call をトラッキング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 で確認する手順を紹介します。これは、Weave を初めて使い、デバッグやモニタリングのために LLM アプリケーションを計装したい開発者向けです。

このガイドで学べること

このガイドでは、次の方法を説明します:

コードに Weave をインポートして設定する。
weave.op デコレータを使用してコードをトラッキングする。
Weave UI でトレースを確認する。

前提条件

W&Bアカウント
Python 3.10+ または Node.js 18+
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
OpenAI APIキーが環境変数として設定されていること。

新しいプロジェクトにトレースをログする

このセクションでは、Weave が入力、出力、コードを記録できるよう、小規模なアプリケーションをインストルメントします。コードのトラッキングを開始し、Weave にトレースをログするには、以下の手順に従ってください。

weave ライブラリをコードにインポートします。
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 のチームおよび project に送信します。チームを指定しない場合、Weave はトレースをデフォルトチームに送信します。指定した project がチームに存在しない場合は、Weave が自動的に作成します。
トラッキングしたい関数に @weave.op() デコレータを追加します。Weave はサポートされる LLM への Call を自動的にトラッキングしますが、このデコレータを使用することで特定の関数の入力、出力、コードをトラッキングできます。TypeScript では weave.op(your_function) という構文を使用します。

以下のサンプルコードは OpenAI にリクエストを送信し (OpenAI APIキーが必要) 、Weave がそのリクエストのトレース情報を記録します。このリクエストでは、入力テキストから恐竜の名前を抽出し、それぞれの食性 (草食または肉食) を識別するよう OpenAI モデルに指示します。以下のサンプルコードで、Weave を使った最初のプロジェクトをトラッキングします。

Python
TypeScript

# Weave ライブラリをインポートする
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する
@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、データをログするチームと project を設定する
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)

// Weave ライブラリをインポートする
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する  
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、データをログするチームと project を設定する
  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 はトレースを確認するためのリンクをターミナルに出力します。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"
    }
  ]
}

プロジェクトでアプリケーションのトレースを確認する

コードによってトレースが生成されたので、Weave UI でその内容を確認できます。ターミナル内のリンクをクリックするか、そのリンクを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、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。

入力、出力、レイテンシ、トークン使用量を含む、extract_dinos 関数のトレースを表示している Weave UI の Traces パネル。

これで、最初の Weave トレースをログして確認できました。

トレースについて詳しく学ぶ

関数をデコレートして call 情報を取得する方法を学びます。
Playgroundを使って、ログされたトレースに対してさまざまなモデルをテストします。
インテグレーションを確認します。Weave は、OpenAI、Anthropic、その他多くの LLM ライブラリへの call を自動的にトラッキングします。お使いの LLM ライブラリが Weave のインテグレーションに含まれていない場合は、@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 call をトラッキングできます。

次のステップ

まずはアプリの評価を始めるを参照し、次に RAG アプリケーションを評価する方法を確認してください。

​このガイドで学べること

​前提条件

​新しいプロジェクトにトレースをログする

​プロジェクトでアプリケーションのトレースを確認する

​トレース について詳しく学ぶ