Passer au contenu principal

Documentation Index

Fetch the complete documentation index at: https://docs.wandb.ai/llms.txt

Use this file to discover all available pages before exploring further.

Haystack est un framework open source pour créer des applications de recherche et basées sur des LLM. Deepset maintient un composant WeaveConnector qui transmet les traces des pipelines Haystack à W&B Weave afin que vous puissiez inspecter les exécutions des composants, les prompts et les sorties dans l’interface Weave. Pour obtenir des informations complètes sur l’API et des exemples supplémentaires, consultez ces ressources Deepset :

​
Prérequis

Avant de commencer :
  • Définissez WANDB_API_KEY dans votre environnement à l’aide de votre clé API W&B.
  • Définissez HAYSTACK_CONTENT_TRACING_ENABLED sur true avant d’exécuter un pipeline afin que Haystack émette des données de tracing que le connecteur pourra transférer.

​
Installer

Installez les dépendances requises à l’aide de pip : 
pip install weave-haystack
Le package déclare haystack-ai et weave comme dépendances dans des versions compatibles.

​
Tracer un pipeline Haystack avec Weave

L’exemple suivant ajoute le WeaveConnector de Haystack à un Pipeline Haystack et intègre W&B Weave afin d’assurer le traçage et la surveillance des composants de votre pipeline. Le pipeline_name que vous transmettez est utilisé comme nom du projet Weave pour les traces issues de ce pipeline. Dans votre pipeline Haystack, ne connectez pas WeaveConnector à d’autres composants. 
import os

os.environ["HAYSTACK_CONTENT_TRACING_ENABLED"] = "true"

from haystack import Pipeline
from haystack.components.builders import ChatPromptBuilder
from haystack.components.generators.chat import OpenAIChatGenerator
from haystack.dataclasses import ChatMessage
from haystack_integrations.components.connectors.weave import WeaveConnector

pipe = Pipeline()
pipe.add_component("prompt_builder", ChatPromptBuilder())
pipe.add_component("llm", OpenAIChatGenerator(model="gpt-3.5-turbo"))
pipe.connect("prompt_builder.prompt", "llm.messages")

# pipeline_name devient le nom de votre projet W&B.
connector = WeaveConnector(pipeline_name="haystack_demo")
# Ajoutez le connecteur au pipeline sans le connecter à d'autres composants.
pipe.add_component("weave", connector)

messages = [
    ChatMessage.from_system(
        "Always respond in German even if some input data is in other languages.",
    ),
    ChatMessage.from_user("Tell me about {{location}}"),
]

response = pipe.run(
    data={
        "prompt_builder": {
            "template_variables": {"location": "Berlin"},
            "template": messages,
        },
    },
)

print(response["llm"]["replies"][0])
Une fois l’exécution du pipeline terminée, ouvrez votre espace de travail W&B, sélectionnez le projet portant le nom pipeline_name, puis accédez à Traces pour consulter la trace terminée.