LangServe项目中如何为LangSmith日志添加自定义ID
2025-07-04 10:33:26作者:虞亚竹Luna
在LangServe项目中,开发者经常需要将LLM后端服务通过LangServe进行部署,并使用LangSmith进行日志记录。在实际生产环境中,客户端调用LLM服务时,往往需要为每次请求添加自定义标识符,以便在LangSmith日志中追踪特定请求。
静态ID配置方案
对于不变的静态ID,LangServe提供了非常简单的配置方式。所有Runnable对象都支持tags和metadata的配置,可以通过with_config方法轻松实现:
runnable.with_config({
'tags': ['my_tag'],
'metadata': {'custom_id': 'foo'}
})
这种方法适用于那些不需要随请求变化的固定标识符场景,比如区分不同版本的服务或标记特定的部署环境。
动态ID配置方案
对于需要根据每次请求动态生成的ID,LangServe提供了更灵活的解决方案。可以通过add_routes方法中的per_request_modifier功能来实现:
def add_custom_id(request: Request) -> Dict[str, Any]:
return {
'config': {
'metadata': {
'custom_id': generate_dynamic_id() # 你的动态ID生成逻辑
}
}
}
add_routes(app, runnable, per_request_modifier=add_custom_id)
这种方案允许开发者为每个请求动态生成唯一的标识符,非常适合需要追踪单个用户会话或特定业务流程的场景。
最佳实践建议
-
ID设计原则:自定义ID应当具备唯一性和可读性,可以考虑结合时间戳、用户ID和服务标识来构建
-
性能考量:动态ID生成应当轻量高效,避免成为性能瓶颈
-
日志关联:建议将自定义ID同时记录在应用日志和LangSmith日志中,便于全链路追踪
-
安全合规:避免在ID中包含敏感信息,必要时进行脱敏处理
通过合理使用这些功能,开发者可以构建出更加可观测和可维护的LLM服务系统,有效支持生产环境中的监控和问题排查需求。
登录后查看全文
热门项目推荐
相关项目推荐
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
24
9
Ascend Extension for PyTorch
Python
222
238
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
671
156
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
661
312
React Native鸿蒙化仓库
JavaScript
261
322
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
64
19
仓颉编译器源码及 cjdb 调试工具。
C++
134
867
仓颉编程语言测试用例。
Cangjie
37
859
openGauss kernel ~ openGauss is an open source relational database management system
C++
160
217