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.
Requisitos previos
Instalación e integración de LangGraph en tres líneas
bashpip install lumen-aipythonfrom 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.
Ejecuta un ejemplo mínimo
pythonfrom 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"})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.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):
pythonfrom lumen_ai import Replay Replay.from_run_id("run_abc123").play()Calcular el costo de 24 horas
pythonfrom lumen_ai import CostTracker print(CostTracker.summary(hours=24)) # { total_tokens: 128_340, cost_rmb: 12.47, by_model: {...} }
Replay no cuesta dinero