追踪 DSPy🧩

DSPy 是一个用于构建模块化 AI 系统的开源框架，并提供用于优化提示词 (prompts) 和权重 (weights) 的算法。

MLflow Tracing 为 DSPy 提供了自动追踪功能。你可以通过调用 mlflow.dspy.autolog() 函数来开启 DSPy 的追踪功能，嵌套追踪记录会在调用 DSPy 模块时自动记录到当前的 MLflow Experiment 中。

python

import mlflow

mlflow.dspy.autolog()

提示

MLflow DSPy 集成不仅仅是追踪。MLflow 为 DSPy 提供了完整的跟踪体验，包括模型跟踪、索引管理和评估。请参阅 MLflow DSPy Flavor 以了解更多信息！

使用示例

python

import dspy
import mlflow

# Enabling tracing for DSPy
mlflow.dspy.autolog()

# Optional: Set a tracking URI and an experiment
mlflow.set_tracking_uri("https://:5000")
mlflow.set_experiment("DSPy")

# Define a simple ChainOfThought model and run it
lm = dspy.LM("openai/gpt-4o-mini")
dspy.configure(lm=lm)


# Define a simple summarizer model and run it
class SummarizeSignature(dspy.Signature):
    """Given a passage, generate a summary."""

    passage: str = dspy.InputField(desc="a passage to summarize")
    summary: str = dspy.OutputField(desc="a one-line summary of the passage")


class Summarize(dspy.Module):
    def __init__(self):
        self.summarize = dspy.ChainOfThought(SummarizeSignature)

    def forward(self, passage: str):
        return self.summarize(passage=passage)


summarizer = Summarize()
summarizer(
    passage=(
        "MLflow Tracing is a feature that enhances LLM observability in your LLM applications and AI agents "
        "by capturing detailed information about the execution of your application's services. Tracing provides "
        "a way to record the inputs, outputs, and metadata associated with each intermediate step of a request, "
        "enabling you to easily pinpoint the source of bugs and unexpected behaviors."
    )
)

评估过程中的追踪

评估 DSPy 模型是开发 AI 系统的重要一步。MLflow Tracing 可以通过提供有关程序针对每个输入执行的详细信息，帮助你在评估后跟踪程序的性能。

当为 DSPy 启用 MLflow 自动追踪时，执行 DSPy 的 内置评估套件 时将自动生成追踪记录。以下示例演示了如何在 MLflow 中运行评估并查看追踪记录。

python

import dspy
from dspy.evaluate.metrics import answer_exact_match

import mlflow

# Enabling tracing for DSPy evaluation
mlflow.dspy.autolog(log_traces_from_eval=True)

# Define a simple evaluation set
eval_set = [
    dspy.Example(question="How many 'r's are in the word 'strawberry'?", answer="3").with_inputs(
        "question"
    ),
    dspy.Example(question="How many 'a's are in the word 'banana'?", answer="3").with_inputs(
        "question"
    ),
    dspy.Example(question="How many 'e's are in the word 'elephant'?", answer="2").with_inputs(
        "question"
    ),
]


# Define a program
class Counter(dspy.Signature):
    question: str = dspy.InputField()
    answer: str = dspy.OutputField(desc="Should only contain a single number as an answer")


cot = dspy.ChainOfThought(Counter)

# Evaluate the programs
with mlflow.start_run(run_name="CoT Evaluation"):
    evaluator = dspy.evaluate.Evaluate(
        devset=eval_set,
        return_all_scores=True,
        return_outputs=True,
        show_progress=True,
    )
    aggregated_score, outputs, all_scores = evaluator(cot, metric=answer_exact_match)

    # Log the aggregated score
    mlflow.log_metric("exact_match", aggregated_score)
    # Log the detailed evaluation results as a table
    mlflow.log_table(
        {
            "question": [example.question for example in eval_set],
            "answer": [example.answer for example in eval_set],
            "output": outputs,
            "exact_match": all_scores,
        },
        artifact_file="eval_results.json",
    )

如果你打开 MLflow UI 并转到“CoT Evaluation”运行，你将看到评估结果，以及在 Traces 选项卡上评估期间生成的追踪记录列表。

注意

你可以通过调用 mlflow.dspy.autolog() 函数并将 log_traces_from_eval 参数设置为 False，来禁用这些步骤的追踪功能。

编译（优化）过程中的追踪

编译（优化）是 DSPy 的核心概念。通过编译，DSPy 会自动优化你的 DSPy 程序提示词和权重，以达到最佳性能。

默认情况下，MLflow 不会在编译期间生成追踪，因为编译可能会触发数百或数千次 DSPy 模块的调用。若要启用编译过程的追踪，你可以调用 mlflow.dspy.autolog() 函数并将 log_traces_from_compile 参数设置为 True。

python

import dspy
import mlflow

# Enable auto-tracing for compilation
mlflow.dspy.autolog(log_traces_from_compile=True)

# Optimize the DSPy program as usual
tp = dspy.MIPROv2(metric=metric, auto="medium", num_threads=24)
optimized = tp.compile(cot, trainset=trainset)

令牌使用情况

MLflow 会自动跟踪 DSPy 的 Token 使用情况。有关以编程方式访问此信息的详细信息，请参阅 Token 使用量和成本跟踪 文档。

注意

目前 DSPy 不支持成本跟踪，因为在 span 属性中可能无法获取模型名称。

禁用自动追踪

可以通过调用 mlflow.dspy.autolog(disable=True) 或 mlflow.autolog(disable=True) 全局禁用 DSPy 的自动追踪。