> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-serverless-sft-revamp.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# クイックスタート: LLM の入力と出力を追跡する
> トレーシングを追加して、 LLM アプリのデバッグを開始しましょう。
export const GitHubLink = ({url}) =>
GitHub source
;
export const ColabLink = ({url}) =>
Try in Colab
;
コードにトレーシングを追加して、Weave で LLM コールを追跡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、Weave UI で結果を確認する手順を説明します。
## 学習内容：
このガイドでは以下の方法を説明します：
* コード内での Weave のインポートと設定
* `weave.op` デコレータを使用したコードの追跡
* Weave UI での Traces の表示
## Prerequisites
* A [W\&B account](https://wandb.ai/signup)
* Python 3.8+ or Node.js 18+
* Required packages installed:
* **Python**: `pip install weave openai`
* **TypeScript**: `npm install weave openai`
* An [OpenAI API key](https://platform.openai.com/api-keys) set as an environment variable
## 新しいプロジェクトへのトレースのログ記録
コードの追跡を開始し、Weave にトレースをログ記録するには、以下の手順に従います。
1. `weave` ライブラリをコードにインポートします。
2. コード内で `weave.init('your_wb_team/project_name')` を呼び出し、トラッキング情報を W\&B の [Teams](/platform/app/settings-page/teams) および [Projects](/platform/hosting/iam/org_team_struct#project) に送信します。チームを設定しない場合、トレースは [デフォルトチーム](/platform/app/settings-page/user-settings/#default-team) に送信されます。指定したプロジェクトがチーム内に存在しない場合、Weave が自動的に作成します。
3. 追跡したい特定の関数に [`@weave.op()` デコレータ](/weave/guides/tracking/ops) を追加します。Weave はサポートされている LLM へのコールを自動的に追跡しますが、Weave デコレータを追加することで、特定の関数の入力、出力、およびコードを追跡できるようになります。TypeScript では、`weave.op(your_function)` という構文を使用します。
以下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/step-2-setup-your-api-key) が必要）、Weave がそのリクエストのトレーシング情報を記録します。このリクエストでは、OpenAI モデルに対して入力から恐竜の名前を抽出し、それぞれの恐竜の食性（草食か肉食か）を特定するように指示します。
以下のサンプルコードを実行して、Weave で最初のプロジェクトを追跡してみましょう。
```python lines {1-2,7-8,27-28} theme={null}
# 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、およびコードを自動的に追跡します
@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、データをログ記録するチームとプロジェクトを設定します
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 lines {1-2,7-8,20,24-25} theme={null}
// 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、およびコードを自動的に追跡します
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、データをログ記録するチームとプロジェクトを設定します
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 はターミナルにトレースを表示するためのリンクを出力します。出力は以下のようになります。
```shell theme={null}
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"
}
]
}
```
## プロジェクト内でのアプリケーションのトレース確認
ターミナルのリンクをクリックするか、ブラウザに貼り付けて Weave UI を開きます。Weave 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、トークン使用量などのデータを確認できます。
## Traces についての詳細
* [関数のデコレートと呼び出し情報の取得方法](/weave/guides/tracking/tracing) について詳しく学ぶ。
* [Playground](/weave/guides/tools/playground) を試して、ログ記録されたトレースで異なるモデルをテストする。
* [インテグレーションを探索する](/weave/guides/integrations/)。Weave は、OpenAI、Anthropic、その他多くの LLM ライブラリへのコールを自動的に追跡します。お使いの LLM ライブラリが現在インテグレーションに含まれていない場合でも、`@weave.op()` でラップすることで、他の LLM ライブラリやフレームワークへのコールを簡単に追跡できます。
## 次のステップ
[アプリケーションの評価を開始する](/weave/tutorial-eval) 方法を確認し、次に [RAG アプリケーションを評価する](/weave/tutorial-rag) 方法を確認してください。