OpenAI

OpenAI を Weave と統合して、トレース、評価、モニタリングを行う

設定不要で Weave 上の OpenAI モデルを試したい場合は、LLM Playground をお試しください。

​

トレース

開発中も本番環境でも、LLM アプリケーションのトレースを一元的なデータベースに保存することが重要です。これらのトレースは、デバッグに使用できるだけでなく、アプリケーションを改善する際に評価対象とする難しいケースのデータセットを構築するのにも役立ちます。

Weave では、openai python library のトレースを自動的に取得できます。

任意のプロジェクト名を指定して weave.init(<project-name>) を呼び出すと、トレースの取得が開始されます。OpenAI は import のタイミングに関係なく自動的にパッチされます。

weave.init() の呼び出し時に W&B Teams を指定しない場合は、デフォルトの entity が使用されます。デフォルトの entity を確認または更新するには、W&B Models ドキュメントの User Settings を参照してください。

自動パッチ適用

Weave は、weave.init() の前後どちらで import された場合でも、OpenAI を自動的にパッチします。

Python

from openai import OpenAI
import weave

weave.init('emoji-bot')  # OpenAI は自動的にパッチされます！

client = OpenAI()
response = client.chat.completions.create(
  model="gpt-4",
  messages=[
    {
      "role": "system",
      "content": "You are AGI. You will be provided with a message, and your task is to respond using emojis only."
    },
    {
      "role": "user",
      "content": "How are you?"
    }
  ]
)

import { OpenAI } from 'openai';
import { wrapOpenAI } from '@wandb/weave';

const openai = wrapOpenAI(new OpenAI());

// これで OpenAI へのすべての call がトレースされます
openai.chat.completions.create(
  {
    model: "gpt-4",
    messages: [
      {
        role: "system",
        content: "You are AGI. You will be provided with a message, and your task is to respond using emojis only."
      },
      {
        role: "user",
        content: "How are you?"
      }
    ]
  }
);

明示的なパッチ適用 (任意)

より細かく制御したい場合は、明示的にパッチすることもできます。

import weave

weave.init('emoji-bot')
weave.integrations.patch_openai()  # OpenAIトレースを有効化

from openai import OpenAI
client = OpenAI()
response = client.chat.completions.create(
  model="gpt-4",
  messages=[
    {"role": "user", "content": "Make me a emoji"}
  ]
)

ライブトレースを表示

OpenAI Functions と OpenAI Assistants の関数呼び出しツールもキャプチャしています。

​

構造化出力

Weave は、OpenAI での構造化出力にも対応しています。これは、LLM のレスポンスを特定の形式に従わせるのに役立ちます。

Python

from openai import OpenAI
from pydantic import BaseModel
import weave

class UserDetail(BaseModel):
    name: str
    age: int

client = OpenAI()
weave.init('extract-user-details')

completion = client.beta.chat.completions.parse(
    model="gpt-4o-2024-08-06",
    messages=[
        {"role": "system", "content": "Extract the user details from the message."},
        {"role": "user", "content": "My name is David and I am 30 years old."},
    ],
    response_format=UserDetail,
)

user_detail = completion.choices[0].message.parsed
print(user_detail)

​

非同期のサポート

Weave は、OpenAI の非同期関数もサポートしています。

Python

from openai import AsyncOpenAI
import weave

client = AsyncOpenAI()
weave.init('async-emoji-bot')

async def call_openai():
    response = await client.chat.completions.create(
        model="gpt-4",
        messages=[
            {
                "role": "system", 
                "content": "You are AGI. You will be provided with a message, and your task is to respond using emojis only."
            },
            {
                "role": "user",
                "content": "How are you?"
            }
        ]
    )
    return response

# 非同期関数を呼び出す
result = await call_openai()

​

ストリーミングのサポート

Weave は、OpenAI からのレスポンスのストリーミングもサポートしています。

Python

from openai import OpenAI
import weave

client = OpenAI()
weave.init('streaming-emoji-bot')

response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {
            "role": "system", 
            "content": "You are AGI. You will be provided with a message, and your task is to respond using emojis only."
        },
        {
            "role": "user",
            "content": "How are you?"
        }
    ],
    stream=True
)

for chunk in response:
    print(chunk.choices[0].delta.content or "", end="")

​

関数呼び出しのトレース

Weave は、ツール使用時に OpenAI が行う関数呼び出しもトレースします。

Python

from openai import OpenAI
import weave

client = OpenAI()
weave.init('function-calling-bot')

tools = [
    {
        "type": "function",
        "function": {
            "name": "get_weather",
            "description": "Get the weather in a given location",
            "parameters": {
                "type": "object",
                "properties": {
                    "location": {
                        "type": "string",
                        "description": "The location to get the weather for"
                    },
                    "unit": {
                        "type": "string",
                        "enum": ["celsius", "fahrenheit"],
                        "description": "The unit to return the temperature in"
                    }
                },
                "required": ["location"]
            }
        }
    }
]

response = client.chat.completions.create(
    model="gpt-4",
    messages=[
        {
            "role": "user",
            "content": "What's the weather like in New York?"
        }
    ],
    tools=tools
)

print(response.choices[0].message.tool_calls)

​

バッチ API

Weave は、複数のリクエストを処理する OpenAI Batch API にも対応しています。

Python

from openai import OpenAI
import weave

client = OpenAI()
weave.init('batch-processing')

# バッチファイルを作成
batch_input = [
    {
        "custom_id": "request-1",
        "method": "POST",
        "url": "/v1/chat/completions",
        "body": {
            "model": "gpt-4",
            "messages": [{"role": "user", "content": "Hello, how are you?"}]
        }
    },
    {
        "custom_id": "request-2", 
        "method": "POST",
        "url": "/v1/chat/completions",
        "body": {
            "model": "gpt-4",
            "messages": [{"role": "user", "content": "What's the weather like?"}]
        }
    }
]

# バッチを送信
batch = client.batches.create(
    input_file_id="your-file-id",
    endpoint="/v1/chat/completions",
    completion_window="24h"
)

# バッチ結果を取得
completed_batch = client.batches.retrieve(batch.id)

​

Assistants API

Weave は、対話型 AI アプリケーションを構築するための OpenAI Assistants API もサポートしています。

Python

from openai import OpenAI
import weave

client = OpenAI()
weave.init('assistant-bot')

# アシスタントを作成
assistant = client.beta.assistants.create(
    name="Math Assistant",
    instructions="You are a personal math tutor. Answer questions about math.",
    model="gpt-4"
)

# スレッドを作成
thread = client.beta.threads.create()

# スレッドにメッセージを追加
message = client.beta.threads.messages.create(
    thread_id=thread.id,
    role="user",
    content="What is 2+2?"
)

# アシスタントを実行
run = client.beta.threads.runs.create(
    thread_id=thread.id,
    assistant_id=assistant.id
)

# アシスタントの応答を取得
messages = client.beta.threads.messages.list(thread_id=thread.id)

​

コストトラッキング

Weave は、OpenAI API call のコストを自動的にトラッキングします。コストの内訳は Weave UI で確認できます。

コストトラッキングはすべての OpenAI モデルで利用でき、最新の OpenAI の料金に基づいて計算されます。

​

カスタム関数のトレース

@weave.op デコレータを使用すると、OpenAI を使用するカスタム関数もトレースできます。

Python

from openai import OpenAI
import weave

client = OpenAI()
weave.init('custom-function-bot')

@weave.op
def generate_response(prompt: str) -> str:
    response = client.chat.completions.create(
        model="gpt-4",
        messages=[
            {
                "role": "user",
                "content": prompt
            }
        ]
    )
    return response.choices[0].message.content

# この関数呼び出しはトレースされます
result = generate_response("Hello, how are you?")

​

次のステップ

OpenAI のトレースを設定したので、次のことができます。

1. Weave UI でトレースを確認する: Weave のプロジェクトを開いて、OpenAI の call のトレースを確認します
2. 評価を作成する: トレースを使用して評価用データセットを作成します
3. パフォーマンスを監視する: レイテンシ、コスト、その他のメトリクスをトラッキングします
4. 問題をデバッグする: トレースを使用して、LLM アプリケーションで何が起きているかを把握します

これらのトピックの詳細は、評価ガイド と モニタリングガイド を参照してください。