跳到主要内容
PromptLayer 是一个用于提示工程的平台。它还有助于 LLM 可观察性，以可视化请求、版本化提示和跟踪使用情况。 虽然 PromptLayer 确实有直接与 LangChain 集成的 LLM（例如 PromptLayerOpenAI），但使用回调是推荐的将 PromptLayer 与 LangChain 集成的方式。
在本指南中，我们将介绍如何设置 PromptLayerCallbackHandler。 有关更多信息，请参阅 PromptLayer 文档。

​
安装和设置

pip install -qU  langchain-community promptlayer --upgrade

​
获取 API 凭证

如果您没有 PromptLayer 帐户，请在 promptlayer.com 上创建一个。然后，通过点击导航栏中的设置齿轮获取 API 密钥，并将其设置为名为 PROMPTLAYER_API_KEY 的环境变量

​
用法

PromptLayerCallbackHandler 的入门非常简单，它有两个可选参数
  1. pl_tags - 一个可选的字符串列表，将作为 PromptLayer 上的标签进行跟踪。
  2. pl_id_callback - 一个可选函数，它将 promptlayer_request_id 作为参数。此 ID 可用于 PromptLayer 的所有跟踪功能，以跟踪元数据、分数和提示使用情况。

​
简单的 OpenAI 示例

在这个简单的示例中，我们将 PromptLayerCallbackHandler 与 ChatOpenAI 一起使用。我们添加一个名为 chatopenai 的 PromptLayer 标签 
import promptlayer  # Don't forget this 🍰
from langchain_community.callbacks.promptlayer_callback import (
    PromptLayerCallbackHandler,
)

from langchain.messages import HumanMessage
from langchain_openai import ChatOpenAI

chat_llm = ChatOpenAI(
    temperature=0,
    callbacks=[PromptLayerCallbackHandler(pl_tags=["chatopenai"])],
)
llm_results = chat_llm.invoke(
    [
        HumanMessage(content="What comes after 1,2,3 ?"),
        HumanMessage(content="Tell me another joke?"),
    ]
)
print(llm_results)

​
GPT4All 示例

from langchain_community.llms import GPT4All

model = GPT4All(model="./models/gpt4all-model.bin", n_ctx=512, n_threads=8)
callbacks = [PromptLayerCallbackHandler(pl_tags=["langchain", "gpt4all"])]

response = model.invoke(
    "Once upon a time, ",
    config={"callbacks": callbacks},
)
在此示例中，我们解锁了 PromptLayer 的更多功能。 PromptLayer 允许您直观地创建、版本化和跟踪提示模板。使用 提示注册表，我们可以通过编程方式获取名为 example 的提示模板。 我们还定义了一个 pl_id_callback 函数，它接收 promptlayer_request_id 并记录分数、元数据并链接所使用的提示模板。在我们的文档中阅读更多关于跟踪的信息。
from langchain_openai import OpenAI


def pl_id_callback(promptlayer_request_id):
    print("prompt layer id ", promptlayer_request_id)
    promptlayer.track.score(
        request_id=promptlayer_request_id, score=100
    )  # score is an integer 0-100
    promptlayer.track.metadata(
        request_id=promptlayer_request_id, metadata={"foo": "bar"}
    )  # metadata is a dictionary of key value pairs that is tracked on PromptLayer
    promptlayer.track.prompt(
        request_id=promptlayer_request_id,
        prompt_name="example",
        prompt_input_variables={"product": "toasters"},
        version=1,
    )  # link the request to a prompt template


openai_llm = OpenAI(
    model_name="gpt-3.5-turbo-instruct",
    callbacks=[PromptLayerCallbackHandler(pl_id_callback=pl_id_callback)],
)

example_prompt = promptlayer.prompts.get("example", version=1, langchain=True)
openai_llm.invoke(example_prompt.format(product="toasters"))
这就是全部了！设置完成后，您的所有请求都将显示在 PromptLayer 仪表板上。此回调也适用于 LangChain 上实现的任何 LLM。
在 GitHub 上编辑此页面源文件。
以编程方式连接这些文档到 Claude、VSCode 等，通过 MCP 获取实时答案。
© . This site is unofficial and not affiliated with LangChain, Inc.