Skip to content

Inicio rápido de Lumen En desarrollo ​

Completa en 10 minutos: instalar → integrar LangGraph → ver el primer Trace → activar Replay → calcular el costo de 24 h.

10 minutosen total
3 líneascódigo de integración
0cambios en la lógica de negocio

Requisitos previos

Python 3.9+ · Lurus API KeyAPI KeyCredencial de acceso a la API, similar a una contraseña. Cada Key puede tener cuotas y permisos configurados de forma independiente.Más información →(cómo obtenerla)· un proyecto Agent de LangGraph/LangChain existente (si no tienes uno, usa el ejemplo mínimo de abajo).
  1. Instalación e integración de LangGraph en tres líneas

    bash
    pip install lumen-ai
    python
    from lumen_ai import LumenTracer, LumenCheckpointer
    graph = workflow.compile(
        checkpointer=LumenCheckpointer(),   # 崩溃恢复
        callbacks=[LumenTracer()],           # 执行追踪 + 成本追踪
    )

    Sin necesidad de modificar la lógica de negocio, todas las llamadas a LLM, llamadas a herramientas y cambios de estado se registran en el backend de Lumen.

  2. Ejecuta un ejemplo mínimo

    python
    from langgraph.graph import StateGraph, END
    from lumen_ai import LumenTracer, LumenCheckpointer
    from typing import TypedDict
    
    class State(TypedDict):
        query: str
        result: str
    
    def search(state: State) -> State:
        return {**state, "result": f"已处理: {state['query']}"}
    
    wf = StateGraph(State)
    wf.add_node("search", search)
    wf.set_entry_point("search")
    wf.add_edge("search", END)
    
    graph = wf.compile(
        checkpointer=LumenCheckpointer(),
        callbacks=[LumenTracer()],
    )
    
    graph.invoke({"query": "什么是 WAL"})
  3. Ver el Trace

    Accede a la consola (por defecto http://localhost:7070) o a la página de Lumen en la consola de Lurus: la línea de tiempo completa de cada ejecución de graph, las entradas/salidas/tiempos de cada nodo, y el prompt/completion/número de Token de las llamadas a LLM.

  4. Activar Replay

    Reproduce una vez a partir de la secuencia de ejecución histórica, sin consumir Token (útil para reproducir bugs localmente, validar correcciones y hacer A/B de Prompt):

    python
    from lumen_ai import Replay
    Replay.from_run_id("run_abc123").play()
  5. Calcular el costo de 24 horas

    python
    from lumen_ai import CostTracker
    
    print(CostTracker.summary(hours=24))
    # { total_tokens: 128_340, cost_rmb: 12.47, by_model: {...} }

Replay no cuesta dinero

Replay reproduce a partir de la secuencia de ejecución registrada, no vuelve a invocar al LLM, por lo que reproducir bugs, validar correcciones y hacer A/B de Prompt tienen un costo de cero Token.

Siguiente paso ​

Siguiente paso

Powered by Lurus Technologies