> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coreweave.com/llms.txt
> Use this file to discover all available pages before exploring further.
# クイックスタート: 関数をインストルメントしてトレースする
> LLM アプリケーションにトレースを追加して W&B Weave を使い始め、モデルとのやり取りをデバッグ・監視しましょう。
export const GitHubLink = ({url, compact = false}) =>
{compact ? "View source" : <>
GitHub source
}
;
export const ColabLink = ({url}) =>
Try in Colab
;
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しょう。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 Weights & Biases の UI で確認する手順を説明します。Weave を初めて使用する開発者で、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インストルメントしたい方を対象としています。
学習内容
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方法
* `weave.op` デコレーターを使用してコードをトラッキングする方法
* Weights & Biases UI でトレースを表示する方法
前提条件
* [CoreWeave Forge アカウント](https://id.coreweave.com/signup)
* Python 3.10 以降または Node.js 18 以降
* 必須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](https://platform.openai.com/api-keys)が環境変数として設定されていること。
新しい project にトレースをログする
このセクションでは、小さなアプリケーションをインストルメントして、Weave がその入力、出力、コードを記録できるようにします。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、次の手順を実行します。
1. コードに `weave` ライブラリをインポートします。
2. コード内で `weave.init('your_wb_team/project_name')` を呼び出し、W\&B の [チーム](/ja/products/wandb/platform/app/settings-page/teams) と [project](/ja/products/wandb/platform/hosting/iam/org_team_struct#project) にトラッキング情報を送信します。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](/ja/products/wandb/platform/app/settings-page/user-settings#default-team) に送信します。指定した project がチーム内に存在しない場合は、Weave によって作成されます。
3. トラッキングしたい関数に [`@weave.op()` デコレーター](/ja/products/wandb/weave/guides/tracking/ops) を追加します。サポートされる LLM への Call は Weave が自動的にトラッキングしますが、このデコレーターを使用すると、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)` という構文でデコレーターを使用します。
次のサンプルコードは OpenAI にリクエストを送信し ([OpenAI APIキー](https://platform.openai.com/docs/quickstart) が必要です) 、そのリクエストのトレース情報を Weave が記録します。このリクエストでは、OpenAI のモデルに入力から恐竜の名前を抽出させ、それぞれの恐竜の食性 (草食または肉食) を特定させます。
次のサンプルコードでは、Weave で最初の project をトラッキングします。
```python lines {1-2,7-8,27-28} theme={"system"}
# Weave ライブラリをインポートします
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します
@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、データのログ先となるチームと project を設定します
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)
```
```typescript twoslash lines {1-2,7-8,20,24-25} theme={"system"}
// @noErrors
// Weave ライブラリをインポートします
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します
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、データのログ先となるチームと project を設定します
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。
```text theme={"system"}
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"
}
]
}
```
project でアプリケーションのトレースを確認する
コードでトレースが生成されたので、Weights & Biases UI で確認してみましょう。ターミナルに表示されたリンクをクリックするか、リンクをブラウザーに貼り付けて Weights & Biases UI を開きます。Weights & Biases UI の **Traces** パネルでトレースをクリックすると、入力、出力、レイテンシー、トークン使用量などのデータを確認できます。
これで、初めての Weave トレースをログして確認できました。
トレースの詳細
* [関数をデコレートして Call の情報を取得する方法](/ja/products/wandb/weave/guides/tracking/tracing)を確認してください。
* [プレイグラウンド](/ja/products/wandb/weave/guides/tools/playground)を使って、ログしたトレースでさまざまなモデルを試してみてください。
* [インテグレーションを確認してください](/ja/products/wandb/weave/guides/integrations)。Weave は、OpenAI や Anthropic をはじめとする多くの LLM ライブラリへの Call を自動的にトラッキングします。使用している 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でも、`@weave.op()` でラップすれば、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[アプリケーションの評価を始め](/ja/products/wandb/weave/tutorial-eval)、次に [RAG アプリケーションを評価する](/ja/products/wandb/weave/tutorial-rag)方法を確認してください。