Introduction aux traces - CoreWeave Docs

Ceci est un notebook interactif. Vous pouvez l’exécuter localement ou utiliser les liens suivants :

Ce notebook vous montre comment capturer votre première trace dans W&B Weave en décorant avec @weave.op une fonction qui s’appuie sur OpenAI. Le traçage vous permet d’inspecter les entrées, les sorties et les étapes intermédiaires des appels LLM afin de déboguer et d’améliorer vos applications. Ce tutoriel s’adresse aux développeurs qui découvrent Weave et recherchent un exemple de bout en bout minimal.

🔑 Prérequis

Avant de commencer le traçage dans Weave, remplissez les prérequis suivants. Ces étapes permettent d’installer les SDK nécessaires, de vous authentifier auprès de W&B et d’OpenAI, et d’initialiser un projet auquel envoyer les traces.

Installez le SDK Weave et connectez-vous avec votre clé API.
Installez le SDK d’OpenAI et connectez-vous avec votre clé API.
Initialisez votre projet Weights & Biases.

# Installer les dépendances et importer les modules
!pip install wandb weave openai -q

import json
import os
from getpass import getpass

from openai import OpenAI

import weave

# 🔑 Configurer vos clés API
# Lorsque vous exécutez cette cellule, `getpass` vous invite à saisir votre clé API, sans l’afficher dans le terminal.
#####
print("---")
print(
    "Create an API key at: https://forge.coreweave.com/settings#apikeys"
)
os.environ["WANDB_API_KEY"] = getpass("Enter your CoreWeave Forge API key: ")
print("---")
print("You can generate your OpenAI API key here: https://platform.openai.com/api-keys")
os.environ["OPENAI_API_KEY"] = getpass("Enter your OpenAI API key: ")
print("---")
#####

# 🏠 Saisir le nom de votre projet W&B
weave_client = weave.init("MY_PROJECT_NAME")  # 🐝 Nom de votre projet W&B

🐝 Exécuter votre première trace

L’exemple de code suivant montre comment capturer et visualiser une trace dans Weave à l’aide du décorateur @weave.op. Il définit une fonction nommée extract_fruit qui envoie un prompt au modèle GPT-4o d’OpenAI pour extraire des données structurées (fruit, couleur et saveur) d’une phrase. Une fois la fonction décorée avec @weave.op, Weave suit automatiquement son exécution, y compris les entrées, les sorties et les étapes intermédiaires. Lorsque vous appelez la fonction avec une phrase d’exemple, Weave enregistre la trace complète et la rend consultable dans l’interface utilisateur de Weights & Biases.

@weave.op()  # 🐝 Décorateur pour suivre les requêtes
def extract_fruit(sentence: str) -> dict:
    client = OpenAI()
    system_prompt = (
        "Parse sentences into a JSON dict with keys: fruit, color and flavor."
    )
    response = client.chat.completions.create(
        model="gpt-4o",
        messages=[
            {"role": "system", "content": system_prompt},
            {"role": "user", "content": sentence},
        ],
        temperature=0.7,
        response_format={"type": "json_object"},
    )
    extracted = response.choices[0].message.content
    return json.loads(extracted)

sentence = "There are many fruits that were found on the recently discovered planet Goocrux. There are neoskizzles that grow there, which are purple and taste like candy."
extract_fruit(sentence)

Vous disposez désormais d’un projet Weave fonctionnel qui capture les traces d’une fonction décorée, et vous pouvez consulter la trace dans l’interface de Weights & Biases.

🚀 Plus d’exemples

Consultez les ressources suivantes pour approfondir le traçage avec Weave :

​🔑 Prérequis

​🐝 Exécuter votre première trace

​🚀 Plus d’exemples

🔑 Prérequis

🐝 Exécuter votre première trace

🚀 Plus d’exemples