Skip to main content
Open In ColabOpen on GitHub

背景

Context 为由 LLM 提供支持的产品和功能提供用户分析。

通过 Context，您可以在不到 30 分钟的时间内开始了解您的用户并改善他们的体验。

在本指南中，我们将向您展示如何与 Context 集成。

安装与设置​

%pip install --upgrade --quiet  langchain langchain-openai langchain-community context-python

获取 API 凭证​

要获取您的 Context API 令牌：

  1. 前往您的 Context 账户内的设置页面 (https://with.context.ai/settings)。
  2. 生成一个新的 API 令牌。
  3. 将此令牌安全地存储在某个地方。

设置上下文​

要使用 ContextCallbackHandler，请从 Langchain 导入该处理器，并使用您的 Context API 令牌对其进行实例化。

在使用该处理器之前，请确保您已安装 context-python 包。

from langchain_community.callbacks.context_callback import ContextCallbackHandler
import os

token = os.environ["CONTEXT_API_TOKEN"]

context_callback = ContextCallbackHandler(token)

用法​

在聊天模型中使用上下文回调​

可以使用 Context 回调处理器直接记录用户与 AI 助手之间的对话记录。

import os

from langchain_core.messages import HumanMessage, SystemMessage
from langchain_openai import ChatOpenAI

token = os.environ["CONTEXT_API_TOKEN"]

chat = ChatOpenAI(
    headers={"user_id": "123"}, temperature=0, callbacks=[ContextCallbackHandler(token)]
)

messages = [
    SystemMessage(
        content="You are a helpful assistant that translates English to French."
    ),
    HumanMessage(content="I love programming."),
]

print(chat(messages))

链内的上下文回调​

ContextCallbackHandler 也可以用于记录链的输入和输出。请注意，链的中间步骤不会被记录——只记录起始输入和最终输出。

请注意： 请确保将相同的上下文对象传递给聊天模型和链。

错误：

chat = ChatOpenAI(temperature=0.9, callbacks=[ContextCallbackHandler(token)])
chain = LLMChain(llm=chat, prompt=chat_prompt_template, callbacks=[ContextCallbackHandler(token)])

正确：

handler = ContextCallbackHandler(token)
chat = ChatOpenAI(temperature=0.9, callbacks=[callback])
chain = LLMChain(llm=chat, prompt=chat_prompt_template, callbacks=[callback])
import os

from langchain.chains import LLMChain
from langchain_core.prompts import PromptTemplate
from langchain_core.prompts.chat import (
    ChatPromptTemplate,
    HumanMessagePromptTemplate,
)
from langchain_openai import ChatOpenAI

token = os.environ["CONTEXT_API_TOKEN"]

human_message_prompt = HumanMessagePromptTemplate(
    prompt=PromptTemplate(
        template="What is a good name for a company that makes {product}?",
        input_variables=["product"],
    )
)
chat_prompt_template = ChatPromptTemplate.from_messages([human_message_prompt])
callback = ContextCallbackHandler(token)
chat = ChatOpenAI(temperature=0.9, callbacks=[callback])
chain = LLMChain(llm=chat, prompt=chat_prompt_template, callbacks=[callback])
print(chain.run("colorful socks"))