Journalisation par lots pour votre agent

Pour les frameworks qui ont déjà effectué l’appel LLM et n’ont plus qu’à l’enregistrer, utilisez weave.log_turn et weave.log_conversation. Tous les spans sont créés et clôturés immédiatement, sans qu’aucun gestionnaire de contexte ne reste ouvert. Les données journalisées de cette manière peuvent être historiques : aucune conversation en direct n’est nécessaire. Définissez conversation_id sur n’importe quelle chaîne stable qui identifie la conversation de manière unique. Les tours de conversation qui partagent le même conversation_id sont regroupés en une seule conversation dans la vue Agents. Si vous développez votre propre boucle d’agent, utilisez plutôt les API d’instrumentation en temps réel décrites dans Tracer vos agents.

Journaliser un tour de conversation

Pour enregistrer un tour de conversation une fois celui-ci terminé, utilisez weave.log_turn. Cette méthode accepte un tour de conversation complet, y compris tous ses spans LLM et d’outil.

Python
TypeScript

weave.init("[YOUR-TEAM]/[YOUR-PROJECT]")

from weave.conversation import LLM, Message, Tool, Usage

llm_span = LLM(
    model="gpt-4o",
    provider_name="openai",
    input_messages=[Message(role="user", content="What is the weather?")],
    output_messages=[Message(role="assistant", content="Let me check.")],
    usage=Usage(input_tokens=100, output_tokens=20),
)

tool_span = Tool(
    name="get_weather",
    arguments='{"city": "Tokyo"}',
    result='"24°C, sunny"',
)

llm_span2 = LLM(
    model="gpt-4o",
    provider_name="openai",
    input_messages=[Message(role="user", content="What is the weather?")],
    output_messages=[Message(role="assistant", content="It is 24°C and sunny.")],
    usage=Usage(input_tokens=150, output_tokens=30),
)

# Journaliser un tour de conversation avec tous ses spans.
weave.log_turn(
    conversation_id="my-conversation-abc",
    agent_name="weather-bot",
    messages=[
        Message(role="user", content="What is the weather in Tokyo?"),
        Message(role="assistant", content="It is 24°C and sunny in Tokyo."),
    ],
    spans=[llm_span, tool_span, llm_span2],
)

Cette fonctionnalité n’est pas encore disponible dans le SDK TypeScript.

log_turn renvoie un LogResult contenant les ID de trace des spans émis. Le paramètre facultatif model de log_turn définit le modèle du span propre au tour de conversation, et non celui des spans LLM enfants. Chaque span LLM possède son propre model, indépendamment des autres. Si un tour de conversation fait appel à plusieurs modèles, attribuez au paramètre model de log_turn celui que vous considérez comme le modèle principal de ce tour de conversation.

Journaliser une conversation

Pour importer en une seule fois une conversation complète sur plusieurs tours de conversation, utilisez weave.log_conversation. Le paramètre turns accepte une liste d’objets Turn, chacun construit de la même manière que dans l’exemple log_turn précédent.

Python
TypeScript

weave.log_conversation(
    conversation_id="my-conversation-abc",
    agent_name="weather-bot",
    turns=[turn_1, turn_2],
)

Cette fonctionnalité n’est pas encore disponible dans le SDK TypeScript.

​Journaliser un tour de conversation

​Journaliser une conversation

Journaliser un tour de conversation

Journaliser une conversation