Context

Context 提供 LLM 驱动产品和功能的用户分析。

使用 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. 将此令牌存储在安全的地方。

设置上下文

要使用 ContextCallbackHandler，请从 Langchain 导入该处理程序，并使用您的 Context API 令牌实例化它。

在使用该处理程序之前，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

聊天模型中的上下文回调

上下文回调处理程序可用于直接记录用户与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))

链中的上下文回调

上下文回调处理程序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 - 仅记录起始输入和最终输出。

注意： 确保将相同的上下文对象传递给聊天模型和链。

错误示例：

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

正确示例：

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"))