Démarrage rapide : instrumenter et tracer des fonctions

​

Ce que vous allez apprendre

• Importer et configurer Weave dans votre code.
• Utiliser le décorateur weave.op pour suivre votre code.
• Afficher les traces dans l’interface de Weights & Biases.

​

Prérequis

• Un compte CoreWeave Forge
• Python 3.10+ ou Node.js 18+
• Les paquets requis installés :
  • Python : pip install weave openai
  • TypeScript : npm install weave openai
• Une clé API OpenAI définie dans une variable d’environnement.

​

Journaliser une trace dans un nouveau projet

1. Importez la bibliothèque weave dans votre code.
2. Appelez weave.init('your_wb_team/project_name') dans votre code pour envoyer les informations de suivi à votre équipe et à votre projet W&B. Si vous ne définissez pas d’équipe, Weave envoie les traces à votre équipe par défaut. Si le projet indiqué n’existe pas dans votre équipe, Weave le crée.
3. Ajoutez le décorateur @weave.op() aux fonctions que vous souhaitez suivre. Weave suit automatiquement les appels aux LLM pris en charge, mais le décorateur vous permet de suivre les entrées, les sorties et le code de fonctions précises. En TypeScript, le décorateur s’utilise avec la syntaxe suivante : weave.op(your_function).

# Importe la bibliothèque Weave
import weave
from openai import OpenAI

client = OpenAI()

# Weave suit automatiquement les entrées, les sorties et le code de cette fonction
@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

# Initialise Weave et définit l'équipe et le projet dans lesquels journaliser les données
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)

// Importe la bibliothèque Weave
import * as weave from 'weave';
import OpenAI from 'openai';

const openai = new OpenAI();

// Weave suit automatiquement les entrées, les sorties et le code de cette fonction  
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() {

  // Initialise Weave et définit l'équipe et le projet dans lesquels journaliser les données
  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();

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"
    }
  ]
}

​

Afficher les traces de votre application dans votre projet

​

En savoir plus sur les traces

• Découvrez comment décorer vos fonctions et récupérer les informations sur les appels.
• Essayez le Playground pour tester différents modèles sur des traces journalisées.
• Explorez les intégrations. Weave suit automatiquement les appels effectués vers OpenAI, Anthropic et bien d’autres bibliothèques de LLM. Si votre bibliothèque de LLM ne figure pas parmi les intégrations Weave, vous pouvez tout de même suivre les appels vers d’autres bibliothèques ou frameworks de LLM en les encapsulant avec @weave.op().

​

Étapes suivantes