首页
/ Langfuse项目与Google Vertex AI Gemini集成中的令牌验证问题解析

Langfuse项目与Google Vertex AI Gemini集成中的令牌验证问题解析

2025-05-22 03:56:47作者:瞿蔚英Wynne

问题背景

在使用Langfuse Python SDK与Google Vertex AI Gemini模型(特别是2.0 Flash和1.5 Pro版本)集成时,开发人员遇到了一个关于令牌使用详情(usageDetails)的验证错误。这个问题主要出现在从其他AI服务(如Azure OpenAI)迁移到Gemini模型时,Langfuse的UpdateGenerationBody在进行数据验证时抛出异常。

错误表现

系统会报告7个验证错误,主要集中在usageDetails字段上:

  1. prompt_tokens_details、candidates_tokens_details和cache_tokens_details的值不是有效整数
  2. 缺少必需的prompt_tokens、completion_tokens和total_tokens字段
  3. prompt_tokens_details中的modality字段值不是有效整数

这些错误表明Langfuse SDK期望的令牌使用数据结构与Gemini模型返回的实际数据结构不匹配。

技术分析

数据结构差异

Langfuse SDK期望的usageDetails结构有两种可能形式:

  1. 字符串到整数的映射
  2. 遵循OpenAIUsageSchema的结构,包含prompt_tokens、completion_tokens和total_tokens等整数字段

然而,Gemini模型返回的令牌使用数据采用了不同的命名约定和结构:

  • 使用input_tokens代替prompt_tokens
  • 使用output_tokens代替completion_tokens
  • 数据可能存储在generation_info["usage_metadata"]或message.usage_metadata中

版本兼容性问题

这个问题在不同版本的google-cloud-aiplatform库中表现不同。较新版本(1.78.0之后)似乎改变了数据返回格式,导致与Langfuse的验证机制不兼容。

解决方案

临时解决方案

目前确认有效的临时解决方案是将google-cloud-aiplatform降级到1.78.0版本:

pip install google-cloud-aiplatform==1.78.0

代码层解决方案

对于需要保持新版本库的用户,可以通过重写on_llm_end方法手动转换数据结构:

def on_llm_end(self, response, **kwargs):
    # 提取并转换Gemini的用量数据
    transformed_usage = None
    generation = response.generations[-1][-1]
    
    if isinstance(generation, ChatGeneration):
        # 检查可能的用量数据位置
        usage = None
        if generation.generation_info and "usage_metadata" in generation.generation_info:
            usage = generation.generation_info["usage_metadata"]
        elif hasattr(generation.message, "usage_metadata"):
            usage = generation.message.usage_metadata

        if usage:
            # 转换数据结构
            transformed_usage = {
                "prompt_tokens": usage.get("input_tokens", 0),
                "completion_tokens": usage.get("output_tokens", 0),
                "total_tokens": usage.get("total_tokens", 0),
            }
            kwargs["usage"] = transformed_usage

    # 调用父类方法
    try:
        super().on_llm_end(response, **kwargs)
    except TypeError as e:
        # 处理版本兼容性问题
        if "RunTree.end() got an unexpected keyword argument 'output'" in str(e):
            if 'output' in kwargs:
                del kwargs['output']
            super().on_llm_end(response, **kwargs)
        else:
            raise

最佳实践建议

  1. 版本控制:在使用Langfuse与Gemini集成时,严格控制依赖库版本,特别是google-cloud-aiplatform。

  2. 数据验证:在关键节点添加数据验证逻辑,确保数据结构符合预期。

  3. 错误处理:实现健壮的错误处理机制,特别是对于跨不同AI服务的数据结构差异。

  4. 监控:在生产环境中密切监控令牌使用统计,确保数据转换没有影响统计准确性。

未来展望

这个问题本质上源于不同AI服务提供商之间的数据格式差异。理想情况下,Langfuse等观测工具应该提供更灵活的数据适配层,或者各AI服务提供商应该考虑制定统一的数据交换标准。在此之前,开发人员需要关注这类集成问题,并在系统设计时预留足够的适配空间。

对于长期项目,建议封装一个统一的数据适配层,隔离不同AI服务的细节差异,使业务代码能够以统一的方式处理来自不同AI服务的响应。

登录后查看全文
热门项目推荐
相关项目推荐

热门内容推荐

最新内容推荐

项目优选

收起
kernelkernel
deepin linux kernel
C
22
6
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
156
2 K
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
pytorchpytorch
Ascend Extension for PyTorch
Python
38
72
HarmonyOS-ExamplesHarmonyOS-Examples
本仓将收集和展示仓颉鸿蒙应用示例代码,欢迎大家投稿,在仓颉鸿蒙社区展现你的妙趣设计!
Cangjie
405
387
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
942
555
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)。
Python
75
71
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
993
396
ops-mathops-math
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++
519
50
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
345
1.32 K