使用 DSPy program evaluation telemetry 发送并验证事件
在受控应用程序边界使用 DSPy program evaluation telemetry，保持事件契约较小，并在构建聚合视图之前验证已知结果。
- 1
选择结果
DSPy 程序可靠性
- 2
定义合同
operation_id、program_name、program_version、model_alias、optimizer_name 和释放
- 3
在结果处发出
包装公共 DSPy 模块调用以获取生产结果，并在 dspy.Evaluate 完成后单独发出评估器结果。
- 4
核实证据
Exercise a known fixture, then inspect dspy_program_completed for one correctly typed terminal row.
开始之前
开始之前
- DSPy 和 telemetry-sh 在可信 Python 进程中初始化
- 稳定的程序、模型、优化器、数据集、指标和发布版本
- 实时预测和离线评估结果的独立事件粒度
交货设置
安装并初始化服务器端
使用服务器端密钥为每个进程初始化一次 Telemetry 同步代码或 TelemetryAsync 异步代码。 将摄取凭据保留在浏览器包、客户端可见的环境变量、源代码控制、日志和异常消息之外。
pip安装
python -m pip install telemetry-sh- 1准备一个具有有限网络行为的可重用服务器端交付客户端。
- 2在成功、失败、重试或超时边界处添加结果事件。
- 3在启用警报之前发送受控装置并检查存储的行。
片段
从一个结构化事件开始
在工作流程完成、失败或重试的位置添加此形状。然后从真实的字段构建仪表板。
DSPy program evaluation telemetry事件
from time import perf_counter
def run_support_program(program, question: str, operation_id: str):
started_at = perf_counter()
status = "success"
error_type = None
try:
return program(question=question)
except Exception as error:
status = "failed"
error_type = classify_program_error(error)
raise
finally:
telemetry.log("dspy_program_completed", {
"operation_id": operation_id,
"program_name": "support_answer",
"program_version": PROGRAM_VERSION,
"model_alias": MODEL_ALIAS,
"status": status,
"error_type": error_type,
"duration_ms": round((perf_counter() - started_at) * 1000),
"release": APP_RELEASE,
})事件结构
operation_id、program_name、program_version、model_alias、optimizer_name 和释放
状态、duration_ms、estimated_cost_usd、已接受和 error_type
dataset_version、metric_name、metric_version、evaluation_score、通过和 evaluated_at 用于评估事件
检查配置
检查站 1
包装公共 DSPy 模块调用以获取生产结果，并在 dspy.Evaluate 完成后单独发出评估器结果。
检查站 2
不要在不分离这些版本的情况下比较使用不同数据集、指标、判断模型、阈值或评估覆盖率的候选优化器。
检查站 3
将示例、预测、跟踪、度量反馈、提示和模型历史记录保留在批准的 DSPy 或可观测性工作流程中，而不是将它们复制到 Telemetry 中。
验证
证明事件已到达
在演练已知的成功和失败案例后运行此命令。如果您的最终事件契约与代码片段不同，请替换后备表名称。
DSPy program evaluation telemetry 验证查询
SELECT *
FROM dspy_program_completed
ORDER BY timestamp_utc DESC
LIMIT 20;实施参考
在启用新的生产路径之前，请检查事件合同、数据安全指南和上游主要文档。
在哪里记录事件
保持结果事件小且可恢复
该模式提供了
- 除了上游工作流程之外，还有一个有界的、SQL 就绪的结果。
- 用于仪表板、警报和跨事件关联的稳定字段。
- 用于验证成功、失败、重试和超时行为的夹具驱动路径。
该模式不提供
- OTLP 导出器、自动收集管道或详细跟踪和诊断日志的替代品。
- 仅因为有效负载包含事件 ID，所以仅传送一次。
- 收集原始提供商有效负载、用户内容、凭证或受监管数据的权限。
事件模式示例
此工作流的事件模式
在将查询或代码片段适应生产之前，请检查行粒度、发出边界、所需类型、隐私类、示例有效负载和验证清单。
相关产品功能
继续此工作流程 AI代理监控
通过可审查的 SQL 连接智能体运行、工具使用、模型成本、质量和产品结果。
相关 SQL 查询示例
更多 SQL 示例
针对此工作流程中的结构化字段运行查询，检查示例结果，并将有用的答案转换为仪表板或警报。
按提示版本查找 AI 质量回归
新的提示版本是否在不增加人工交接的情况下提高了质量？
打开查询示例按版本评估 RAG 检索质量
新的 RAG 管道是否提高了检索率和接地答案率？
打开查询示例衡量每美元所接受的人工智能产出
哪种模型和功能组合可以产生最受接受的单位美元产出？
打开查询示例按功能和模型计算 LLM 成本
哪些产品功能和型号正在推动法学硕士支出？
打开查询示例按实施系列浏览
比较相关集成模式
与此集成配对的模板
更多集成