Blog

LangWatch Nedir, Nasıl Kurulur ve Kullanılır

Ashley Goolam

Ashley Goolam

18 July 2025

LangWatch Nedir, Nasıl Kurulur ve Kullanılır

Büyük dil modeli (LLM) işlem hatlarınızı değerlendirme ve optimize etme konusunda zorlanıyor musunuz? Karşınızda LangWatch, özel LLM iş akışlarınızı izlemeyi, değerlendirmeyi ve ince ayar yapmayı kolaylaştıran, oyunun kurallarını değiştiren bir platform. Bu kılavuzda, LangWatch'un ne olduğunu, neden harika olduğunu ve yapay zeka projelerinizi süper şarj etmek için nasıl kurulacağını ve kullanılacağını derinlemesine inceleyeceğiz. Basit bir sohbet robotu kurmayı, LangWatch'ı entegre etmeyi ve örnek bir soruyla test etmeyi adım adım anlatacağız; tüm bunları takip etmesi kolay bir şekilde yapacağız. Başlayalım!

💡
Harika API Dokümantasyonu oluşturan mükemmel bir API Test aracı mı istiyorsunuz?

Geliştirici Ekibinizin maksimum verimlilikle birlikte çalışması için entegre, Hepsi Bir Arada bir platform mu istiyorsunuz?

Apidog tüm taleplerinizi karşılar ve Postman'ı çok daha uygun bir fiyata değiştirir!
button

LangWatch Nedir ve Neden Önemsemelisiniz?

LangWatch, LLM değerlendirmesinin zorlu sorununu ele almak için başvuracağınız platformdur. Sınıflandırma için F1 skoru, çeviri için BLEU veya özetleme için ROUGE gibi standart metrikleri olan geleneksel modellerin aksine, üretken LLM'ler deterministik değildir ve belirlenmesi zordur. Ayrıca, her şirketin kendi verileri, ince ayarlı modelleri ve özel işlem hatları vardır, bu da değerlendirmeyi bir baş ağrısı haline getirir. İşte LangWatch burada parlıyor!

LangWatch size şunları sağlar:

İster bir sohbet robotu, ister bir çeviri aracı veya özel bir yapay zeka uygulaması geliştiriyor olun, LangWatch LLM'nizin birinci sınıf sonuçlar vermesini sağlamanıza yardımcı olur. Onu eylemde görmeye hazır mısınız? Haydi LangWatch'ı kuralım ve kullanalım!

langwatch resmi web sitesi

LangWatch'ı Kurma ve Kullanma Adım Adım Kılavuzu

Ön Koşullar

Başlamadan önce şunlara ihtiyacınız olacak:

Adım 1: LangWatch'a Kaydolun

Hesap Oluşturun:

API Anahtarınızı Alın:

langwatch ile hesap oluşturun

Adım 2: LangWatch ile Bir Python Projesi Kurun

Bir Python projesi oluşturalım ve basit bir sohbet robotunu izlemek için LangWatch'ı entegre edelim.

  1. Proje Klasörü Oluşturun:
mkdir langwatch-demo
cd langwatch-demo

2. Sanal Ortam Kurun:

python -m venv venv
source venv/bin/activate  # Windows'ta: venv\Scripts\activate

3. LangWatch ve Bağımlılıkları Yükleyin:

pip install langwatch chainlit openai

4. Sohbet Robotu Kodunu Oluşturun:

import os
import chainlit as cl
import asyncio
from openai import AsyncClient

openai_client = AsyncClient()  # Assumes OPENAI_API_KEY is set in environment
model_name = "gpt-4o-mini"
settings = {
    "temperature": 0.3,
    "max_tokens": 500,
    "top_p": 1,
    "frequency_penalty": 0,
    "presence_penalty": 0,
}

@cl.on_chat_start
async def start():
    cl.user_session.set(
        "message_history",
        [
            {
                "role": "system",
                "content": "You are a helpful assistant that only reply in short tweet-like responses, using lots of emojis."
            }
        ]
    )

async def answer_as(name: str):
    message_history = cl.user_session.get("message_history")
    msg = cl.Message(author=name, content="")
    stream = await openai_client.chat.completions.create(
        model=model_name,
        messages=message_history + [{"role": "user", "content": f"speak as {name}"}],
        stream=True,
        **settings,
    )
    async for part in stream:
        if token := part.choices[0].delta.content or "":
            await msg.stream_token(token)
    message_history.append({"role": "assistant", "content": msg.content})
    await msg.send()

@cl.on_message
async def main(message: cl.Message):
    message_history = cl.user_session.get("message_history")
    message_history.append({"role": "user", "content": message.content})
    await asyncio.gather(answer_as("AI Bites"))

5. OpenAI API Anahtarınızı Ayarlayın:

export OPENAI_API_KEY="your-openai-api-key"  # Windows'ta: set OPENAI_API_KEY=your-openai-api-key

6. Sohbet Robotunu Çalıştırın:

chainlit run app.py
chainlit uygulamasını test et

Adım 3: İzleme İçin LangWatch'ı Entegre Edin

Şimdi, sohbet robotunun mesajlarını izlemek için LangWatch'ı ekleyelim.

  1. LangWatch için app.py dosyasını değiştirin:
import os
import chainlit as cl
import asyncio
import langwatch
from openai import AsyncClient

openai_client = AsyncClient()
model_name = "gpt-4o-mini"
settings = {
    "temperature": 0.3,
    "max_tokens": 500,
    "top_p": 1,
    "frequency_penalty": 0,
    "presence_penalty": 0,
}

@cl.on_chat_start
async def start():
    cl.user_session.set(
        "message_history",
        [
            {
                "role": "system",
                "content": "You are a helpful assistant that only reply in short tweet-like responses, using lots of emojis."
            }
        ]
    )

async def answer_as(name: str):
    message_history = cl.user_session.get("message_history")
    msg = cl.Message(author=name, content="")
    stream = await openai_client.chat.completions.create(
        model=model_name,
        messages=message_history + [{"role": "user", "content": f"speak as {name}"}],
        stream=True,
        **settings,
    )
    async for part in stream:
        if token := part.choices[0].delta.content or "":
            await msg.stream_token(token)
    message_history.append({"role": "assistant", "content": msg.content})
    await msg.send()

@cl.on_message
@langwatch.trace()
async def main(message: cl.Message):
    message_history = cl.user_session.get("message_history")
    message_history.append({"role": "user", "content": message.content})
    await asyncio.gather(answer_as("AI Bites"))

2. Entegrasyonu Test Edin:

chainlit run app.py
langwatch izleme mesajı

Adım 4: Sohbet Robotunuzu Değerlendirmek İçin Bir İş Akışı Kurun

Sohbet robotunun performansını değerlendirmek için LangWatch'ta bir veri kümesi ve değerlendirici oluşturalım.

  1. Bir Veri Kümesi Oluşturun:
Soru Beklenen Cevap
Bugünün Fransızca kelimesi nedir? Aujourd’hui

2. Bir Değerlendirici Kurun:

iş akışı yapısı

3. Değerlendiriciyi Çalıştırın:

llm cevap eşleşmesini çalıştır

Şuna benzer bir şey görmelisiniz:

açılır sonuç

4. İş Akışını Değerlendirin:

tüm llm iş akışını değerlendir

Adım 5: İş Akışınızı Optimize Edin

Değerlendirmeniz tamamlandıktan sonra, sohbet robotunun performansını optimize edelim.

1. Optimizasyonu Çalıştırın:

llm optimizasyon sürecini başlat

2. İyileştirmeleri Kontrol Edin:

iş akışı optimizasyon sonuçları

Adım 6: İsteğe Bağlı Yerel LangWatch Kurulumu

Hassas verilerle test yapmak için LangWatch'ı yerel olarak çalıştırmak ister misiniz? Bu adımları izleyin:

  1. Depoyu Klonlayın:
git clone https://github.com/langwatch/langwatch.git
cd langwatch

2. Ortamı Kurun:

cp langwatch/.env.example langwatch/.env

3. Docker ile Çalıştırın:

docker compose up -d --wait --build

4. Kontrol Paneline Erişin:

Not: Docker kurulumu yalnızca test amaçlıdır ve üretim için ölçeklenebilir değildir. Üretim için LangWatch Cloud veya Kurumsal Şirket İçi çözümlerini kullanın.

Neden LangWatch Kullanmalı?

LangWatch, yapay zeka işlem hatlarınızı izlemek, değerlendirmek ve optimize etmek için birleşik bir platform sağlayarak LLM değerlendirme bilmecesini çözer. İstemleri ayarlıyor, performansı analiz ediyor veya sohbet robotunuzun doğru yanıtlar verdiğinden (Fransızca'da "today" için "Aujourd’hui" gibi) emin oluyor olun, LangWatch bunu çok kolaylaştırır. Python ve Chainlit ve OpenAI gibi araçlarla entegrasyonu, LLM uygulamalarınızı dakikalar içinde izlemeye ve iyileştirmeye başlayabileceğiniz anlamına gelir.

Örneğin, demo sohbet robotumuz artık emojilerle tweet benzeri kısa yanıtlar veriyor ve LangWatch bunun doğru ve optimize edilmiş olmasını sağlamaya yardımcı oluyor. Ölçeği büyütmek ister misiniz? Veri kümenize daha fazla soru ekleyin veya değerlendiricide farklı LLM modelleriyle deney yapın.

Sonuç

İşte bu kadar! LangWatch'ın ne olduğunu, nasıl kurulacağını ve bir sohbet robotunu izlemek ve optimize etmek için nasıl kullanılacağını öğrendiniz. Bir Python projesi kurmaktan mesajları izlemeye ve bir veri kümesiyle performansı değerlendirmeye kadar, LangWatch LLM işlem hatlarınızın kontrolünü ele almanızı sağlar. Test sorumuz – "Bugünün Fransızca kelimesi nedir?" – yapay zeka yanıtlarını izlemenin ve iyileştirmenin ne kadar kolay olduğunu gösterdi.

Yapay zeka oyununuzu bir üst seviyeye taşımaya hazır mısınız? app.langwatch.ai adresine gidin, kaydolun ve bugün LangWatch ile denemeler yapmaya başlayın.

💡
Harika API Dokümantasyonu oluşturan mükemmel bir API Test aracı mı istiyorsunuz?

Geliştirici Ekibinizin maksimum verimlilikle birlikte çalışması için entegre, Hepsi Bir Arada bir platform mu istiyorsunuz?

Apidog tüm taleplerinizi karşılar ve Postman'ı çok daha uygun bir fiyata değiştirir!
button

API Tasarım-Öncelikli Yaklaşımı Apidog'da Uygulayın

API'leri oluşturmanın ve kullanmanın daha kolay yolunu keşfedin

Ücretsiz Kaydolİndir
LangWatch Nedir, Nasıl Kurulur ve Kullanılır