Clasa BaseCallbackHandler permite crearea de observatori personalizați care reacționează la ciclurile de viață ale execuției LangChain (start LLM, finalizare token, erori, rulări de retrievere), esențială pentru conformitate și audit de securitate intern.
from langchain_core.callbacks import BaseCallbackHandler
class LoggerPersonalizat(BaseCallbackHandler):
def on_llm_end(self, response, **kwargs):
print(f"[AUDIT] Tokeni utilizati: {response.llm_output.get('token_usage')}")
chain = prompt | model.with_config(callbacks=[LoggerPersonalizat()])Decuplare: Păstrează logica de audit complet separată de logica de business a lanțurilor.
Întrebări & Exemple practice:
BaseCallbackHandler: Crearea de Handleri Personalizați pentru Logging și AuditAi o întrebare despre BaseCallbackHandler: Crearea de Handleri Personalizați pentru Logging și Audit sau ai descoperit un truc, prompt sau fragment de cod util? Distribuie-l cu ceilalți membri ai comunității!
Fii primul care pune o întrebare sau distribuie un fragment de cod / prompt!
Nu au fost adăugate încă întrebări sau resurse pentru această pagină. Dacă ai testat un prompt sau ai un snippet util, adaugă-l mai jos pentru comunitate.