메인 콘텐츠로 건너뛰기
Haystack는 검색 및 LLM 애플리케이션을 구축하기 위한 오픈 소스 프레임워크입니다. Deepset은 Haystack 파이프라인 트레이스를 W&B Weave로 전달하는 WeaveConnector 컴포넌트를 유지 관리하므로, Weave UI에서 컴포넌트 실행, 프롬프트, 출력을 확인할 수 있습니다. 전체 API 세부 정보와 추가 예시는 다음 Deepset 리소스를 참조하세요:

​
사전 요구 사항

시작하기 전에 다음을 수행하세요:
  • W&B API 키를 사용해 환경 변수 WANDB_API_KEY를 설정하세요.
  • 파이프라인을 실행하기 전에 HAYSTACK_CONTENT_TRACING_ENABLED를 true로 설정하여, Haystack이 커넥터가 전달할 수 있는 트레이싱 데이터를 내보내도록 하세요.

​
설치

pip로 필요한 의존성을 설치하세요: 
pip install weave-haystack
이 패키지는 haystack-ai와 weave의 호환 버전을 의존성으로 지정합니다.

​
Weave로 Haystack 파이프라인 트레이스하기

다음 예시에서는 Haystack Pipeline에 Haystack의 WeaveConnector를 추가해, 파이프라인 컴포넌트를 트레이싱하고 모니터링할 수 있도록 W&B Weave와 통합합니다. 전달한 pipeline_name은 해당 파이프라인에서 생성된 트레이스의 Weave 프로젝트 이름으로 사용됩니다. Haystack 파이프라인에서는 WeaveConnector를 다른 컴포넌트와 연결하지 마세요. 
import os

os.environ["HAYSTACK_CONTENT_TRACING_ENABLED"] = "true"

from haystack import Pipeline
from haystack.components.builders import ChatPromptBuilder
from haystack.components.generators.chat import OpenAIChatGenerator
from haystack.dataclasses import ChatMessage
from haystack_integrations.components.connectors.weave import WeaveConnector

pipe = Pipeline()
pipe.add_component("prompt_builder", ChatPromptBuilder())
pipe.add_component("llm", OpenAIChatGenerator(model="gpt-3.5-turbo"))
pipe.connect("prompt_builder.prompt", "llm.messages")

# pipeline_name이 W&B 프로젝트 이름으로 사용됩니다.
connector = WeaveConnector(pipeline_name="haystack_demo")
# 커넥터를 파이프라인에 추가하되 다른 컴포넌트와 연결하지 마세요.
pipe.add_component("weave", connector)

messages = [
    ChatMessage.from_system(
        "Always respond in German even if some input data is in other languages.",
    ),
    ChatMessage.from_user("Tell me about {{location}}"),
]

response = pipe.run(
    data={
        "prompt_builder": {
            "template_variables": {"location": "Berlin"},
            "template": messages,
        },
    },
)

print(response["llm"]["replies"][0])
파이프라인 실행이 완료되면 W&B Workspace를 열고, pipeline_name으로 이름이 지정된 프로젝트를 선택한 다음 Traces로 이동하여 완료된 트레이스를 검토하세요.