LangChain x Context: Building Better Chat Products With User Analytics

LangChain x Context：利用用户分析构建更好的聊天产品

2 分钟阅读

今天我们宣布 Langchain 集成，用于 Context。这项集成使得 Langchain 聊天产品的构建者能够通过一行代码插件接收用户分析。

构建引人注目的聊天产品非常困难。开发者需要深入理解用户行为和用户目标，才能迭代改进他们的产品。构建者常问的问题包括： 人们如何使用我的产品？我的产品在多大程度上满足用户需求？ 以及 我的产品在哪里需要改进？

如今，回答这些问题可能需要阅读日志中捕获的数千个聊天记录，但几乎没有工具可以帮助识别对话主题或产品性能薄弱的领域。现在，通过 Langchain 与 Context 的集成，存在更好的解决方案。

什么是 Context？

Context 是一个面向 LLM 驱动的聊天产品的产品分析平台。 Context 让构建者能够了解真实用户如何使用他们的聊天产品，并提供分析来帮助开发者理解：

  • 人们如何使用他们的产品，通过自动将对话聚类成组并跟踪用户定义的对话主题，
  • 他们的产品在多大程度上满足用户需求，通过报告每个对话主题的用户满意度、情感和再生率，
  • 他们的产品在哪里引入风险， 通过监控对政治或赌博等风险话题的讨论
  • 用户究竟在讨论什么，通过提供对记录的过滤和搜索，以便进行调试

这些分析使构建者能够了解人们如何使用他们的产品，他们的产品表现如何，以及敏感话题在哪里被讨论。这种对用户的理解有助于确保用户需求得到满足，并允许开发者随着时间的推移改进他们的产品。

开始使用

要开始使用，可以在此处免费访问 Context，并且可以在此处访问 Context x LangChain 文档。前 50 名使用 LANGCHAIN100 促销代码注册的用户将获得 3 个月的 Context 价值 100 美元/月的会员资格。

安装和设置

要开始使用 Context LangChain 集成，请安装 Context Python 包

pip install context-python --upgrade

获取 API 凭证​

要获取您的 Context API 令牌

  1. 转到您的 Context 帐户中的设置页面 (https://go.getcontext.ai/settings)。
  2. 生成新的 API 令牌。
  3. 将此令牌安全地存储在某处。

设置 Context​

要使用 ContextCallbackHandler，请从 Langchain 导入处理程序，并使用您的 Context API 令牌实例化它。
在使用处理程序之前，请确保您已安装 context-python 包。

import os

from langchain.callbacks import ContextCallbackHandler

token = os.environ["CONTEXT_API_TOKEN"]

context_callback = ContextCallbackHandler(token)

用法

在聊天模型中使用 Context 回调​

Context 回调处理程序可用于直接记录用户和 AI 助手之间的对话记录。

示例​

import os

from langchain.chat_models import ChatOpenAI
from langchain.schema import (
   SystemMessage,
   HumanMessage,
)
from langchain.callbacks import ContextCallbackHandler

token = os.environ["CONTEXT_API_TOKEN"]

chat = ChatOpenAI(
   headers={"user_id": "123"}, temperature=0, callbacks=[ContextCallbackHandler(token)]
)

messages = [
   SystemMessage(
       content="You are a helpful assistant that translates English to French."
   ),
   HumanMessage(content="I love programming."),
]

print(chat(messages))

标签