퀵스타트: LLM 입력 및 출력 추적

LLM 애플리케이션에 트레이싱을 추가해 모델 상호작용을 디버그하고 모니터링하며 W&B Weave를 시작해 보세요.

코드에 트레이싱을 추가해 Weave로 LLM call을 추적하는 방법을 알아보세요. 이 퀵스타트에서는 OpenAI로 보내는 요청을 트레이스하고 Weave UI에서 결과를 확인하는 방법을 안내합니다.

​

배울 내용:

이 가이드에서는 다음 방법을 설명합니다:

• 코드에 Weave를 임포트하고 설정하기
• weave.op 데코레이터를 사용해 코드를 추적하기
• Weave UI에서 트레이스 보기

​

사전 요구 사항

• W&B 계정
• Python 3.8+ 또는 Node.js 18+
• 필수 패키지가 설치되어 있어야 합니다:
  • Python: pip install weave openai
  • TypeScript: npm install weave openai
• OpenAI API 키를 환경 변수로 설정해야 합니다

​

새 프로젝트에 트레이스 기록하기

코드 추적을 시작하고 Weave에 트레이스를 기록하려면 다음 단계를 따르세요.

1. 코드에 weave 라이브러리를 임포트합니다.
2. 코드에서 weave.init('your_wb_team/project_name')를 호출하여 추적 정보를 W&B 팀과 프로젝트로 보냅니다. 팀을 설정하지 않으면 트레이스는 기본 팀으로 전송됩니다. 지정한 프로젝트가 팀에 없으면 Weave가 자동으로 생성합니다.
3. 추적하려는 특정 함수에 @weave.op() 데코레이터를 추가합니다. Weave는 지원되는 LLM에 대한 call을 자동으로 추적하지만, Weave 데코레이터를 추가하면 특정 함수의 입력, 출력, 코드도 추적할 수 있습니다. TypeScript에서 데코레이터는 다음 구문을 사용합니다: weave.op(your_function)

다음 예제 코드는 OpenAI에 요청을 보내고(OpenAI API 키 필요), Weave는 해당 요청의 트레이싱 정보를 기록합니다. 이 요청은 OpenAI 모델에 입력에서 공룡 이름을 추출하고 각 공룡의 식성(초식 또는 육식)을 식별하도록 합니다.

다음 예제 코드를 실행해 Weave로 첫 번째 프로젝트를 추적하세요:

Python

# Weave 라이브러리를 임포트합니다
import weave
from openai import OpenAI

client = OpenAI()

# Weave는 이 함수의 입력, 출력, 코드를 자동으로 추적합니다
@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

# Weave를 초기화하고, 데이터를 기록할 팀과 프로젝트를 설정합니다
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

// Weave 라이브러리를 임포트합니다
import * as weave from 'weave';
import OpenAI from 'openai';

const openai = new OpenAI();

// Weave는 이 함수의 입력, 출력, 코드를 자동으로 추적합니다  
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() {

  // Weave를 초기화하고, 데이터를 기록할 팀과 프로젝트를 설정합니다
  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 함수를 호출하면 Weave는 터미널에 트레이스를 확인할 수 있는 링크를 출력합니다. 출력은 다음과 같습니다:

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"
    }
  ]
}

​

프로젝트에서 애플리케이션 트레이스 확인하기

터미널의 링크를 클릭하거나 브라우저에 붙여넣어 Weave UI를 여세요. Weave UI의 Traces 패널에서 트레이스를 클릭하면 입력, 출력, 지연 시간, token 사용량 등의 데이터를 볼 수 있습니다.

​

트레이스에 대해 더 알아보기

• 함수에 데코레이터를 적용하고 call 정보를 조회하는 방법을 알아보세요.
• 플레이그라운드를 사용해 로깅된 트레이스에서 다양한 모델을 테스트해 보세요.
• 인테그레이션을 살펴보세요. Weave는 OpenAI, Anthropic 등 다양한 LLM 라이브러리에 대한 call을 자동으로 추적합니다. 현재 사용 중인 LLM 라이브러리가 인테그레이션에 포함되어 있지 않더라도, @weave.op()로 감싸면 다른 LLM 라이브러리나 프레임워크에 대한 call도 쉽게 추적할 수 있습니다.

​

다음 단계

앱 평가 시작하기를 먼저 살펴본 다음, RAG 애플리케이션 평가 방법을 확인하세요.