> ## Documentation Index
> Fetch the complete documentation index at: https://wb-21fd5541-sdk-testing-latest.mintlify.site/llms.txt
> Use this file to discover all available pages before exploring further.
# クイックスタート: LLM の入力と出力をトラッキングする
> LLM アプリケーションにトレースを追加してモデルのやり取りをデバッグ・監視しながら、W&B Weave の利用を始めましょう。
export const GitHubLink = ({url}) =>
GitHub のソース
;
export const ColabLink = ({url}) =>
Colabで試す
;
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す。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 Weave UI で確認する手順を紹介します。これは、Weave を初めて使い、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計装したい開発者向けです。
## このガイドで学べること
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。
* `weave.op` デコレータ を使用してコードをトラッキングする。
* Weave UI でトレースを確認する。
## 前提条件
* [W\&Bアカウント](https://wandb.ai/signup)
* Python 3.10+ または Node.js 18+
* 必要な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。
## 新しいプロジェクトにトレースをログする
このセクションでは、Weave が入力、出力、コードを記録できるよう、小規模なアプリケーションをインストルメントします。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、以下の手順に従ってください。
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[チーム](/ja/platform/app/settings-page/teams)および [project](/ja/platform/hosting/iam/org_team_struct#project) に送信します。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/platform/app/settings-page/user-settings/#default-team)に送信します。指定した project がチームに存在しない場合は、Weave が自動的に作成します。
3. トラッキングしたい関数に [`@weave.op()` デコレータ](/ja/weave/guides/tracking/ops)を追加します。Weave はサポートされる LLM への Call を自動的にトラッキングしますが、このデコレータを使用することで特定の関数の入力、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)が必要) 、Weave がそのリクエストのトレース情報を記録します。このリクエストでは、入力テキストから恐竜の名前を抽出し、それぞれの食性 (草食または肉食) を識別するよう OpenAI モデルに指示します。
以下のサンプルコードで、Weave を使った最初のプロジェクトをトラッキングします。
```python lines {1-2,7-8,27-28} theme={null}
# Weave ライブラリをインポートする
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する
@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、データをログするチームと project を設定する
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={null}
// @noErrors
// Weave ライブラリをインポートする
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する
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、データをログするチームと project を設定する
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={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"
}
]
}
```
## プロジェクトでアプリケーションのトレースを確認する
コードによってトレースが生成されたので、Weave UI でその内容を確認できます。ターミナル内のリンクをクリックするか、そのリンクを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。
これで、最初の Weave トレースをログして確認できました。
## トレース について詳しく学ぶ
* [関数をデコレートして call 情報を取得する方法](/ja/weave/guides/tracking/tracing)を学びます。
* [Playground](/ja/weave/guides/tools/playground)を使って、ログされたトレースに対してさまざまなモデルをテストします。
* [インテグレーションを確認します](/ja/weave/guides/integrations/)。Weave は、OpenAI、Anthropic、その他多くの LLM ライブラリへの call を自動的にトラッキングします。お使いの 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は、`@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 call をトラッキングできます。
## 次のステップ
まずは [アプリの評価を始める](/ja/weave/tutorial-eval) を参照し、次に [RAG アプリケーションを評価する方法](/ja/weave/tutorial-rag) を確認してください。