首页
/ OpenLLMetry项目中Anthropic模型思考令牌的追踪实现

OpenLLMetry项目中Anthropic模型思考令牌的追踪实现

2025-06-06 18:21:45作者:董灵辛Dennis

在大型语言模型(LLM)应用开发中,调试复杂提示(Prompt)一直是个挑战。OpenLLMetry项目近期针对Anthropic模型实现了思考令牌(thinking tokens)的追踪功能,为开发者提供了更深入的模型内部运作洞察。

思考令牌的价值

Anthropic的某些模型(如claude-sonnet-3-7-thinking)会在响应中包含"思考过程"的特殊字段。这些思考令牌记录了模型处理请求时的内部推理逻辑,例如:

  • 如何理解用户请求
  • 采取何种推理路径
  • 决策背后的原因

对于复杂任务和大规模提示工程,这些信息至关重要。它们能帮助开发者:

  1. 识别提示中的模糊或歧义之处
  2. 优化提示结构以提高模型表现
  3. 理解模型错误背后的原因
  4. 验证模型是否遵循了预期推理路径

技术实现方案

OpenLLMetry通过扩展其Anthropic instrumentation模块来捕获这些思考令牌。技术实现上采用了以下设计:

  1. 数据结构设计:将思考内容作为独立的角色(role)处理

    • 设置gen_ai.completions.0.role = "thinking"
    • 存储实际思考内容到gen_ai.completions.0.content
  2. 与现有架构集成:保持与OpenLLMetry现有监控体系的兼容性

    • 不破坏现有监控数据格式
    • 新增字段不影响已有功能
  3. 可扩展性考虑:为未来可能出现的其他模型内部信息预留接口

行业对比

不同于Anthropic,当前OpenAI的模型设计上不直接暴露思考过程。但值得注意的是,随着OpenAI新响应API的推出,类似功能可能会成为行业标准。OpenLLMetry的这一实现为此类功能提供了参考设计。

开发者价值

这一功能的加入使得:

  • 调试时间大幅缩短:开发者可以直接看到模型"思考"而不仅是输出
  • 提示工程更科学:基于实际模型推理而非猜测来优化提示
  • 性能分析更深入:理解模型响应时间是否花费在预期推理步骤上

未来展望

随着模型透明度的提高,类似思考令牌的功能可能会成为LLM服务的标配。OpenLLMetry的这一实现为行业树立了良好的实践标准,也为未来集成更多模型的内部信息打下了基础。团队也在考虑扩展对OpenAI新响应API的支持,保持在该领域的领先地位。

这一功能的加入标志着LLM可观察性工具从单纯的结果监控向过程监控的演进,为构建更可靠、更易调试的LLM应用提供了坚实基础。

登录后查看全文
热门项目推荐
相关项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
139
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
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
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
923
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
74
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8