Solucionado (ver solução)
Solucionado
(ver solução)
2
respostas

Observabilidade dos Grafos

No Curso, creio que poderia trazer os recursos estudados anteriormente para uma melhor fixação do aprendizado.

Para a observabilidade dos Grafos, implementei o SET_DEBUG e o LangSmith. Super recomendo!

Por exemplo na Aula 6, "Orquestrano Multiagentes" - Grafo Completo, inseri no final o SET_DEBUG e repeti a pesquisa:

# >>>>> -----  Inserting DEBUG  ------ <<<<<

from langchain_core.output_parsers import JsonOutputParser
from pydantic import Field, BaseModel
from langchain_core.globals import set_debug

# Calling DEBUG
# this command allows visualizing all the LLM chain flow
set_debug (True)

# Mesma pesquisa, porém com **SET DEBUG**
thread = {"configurable": {"thread_id": "1"}}

for s in graph.stream({
    'task': "Qual é a diferença entre o LangChain e o LangSmith?",
    "max_revisions": 2,
    "revision_number": 1,
    "content": [],
}, thread):
    print(s)
2 respostas

Oi, Anderson! Como vai?

Agradeço por compartilhar.

Gostei da sua iniciativa de trazer o set_debug(True) e o LangSmith para observar melhor o fluxo do grafo multiagentes, porque isso ajuda a visualizar as etapas da execução e entender com mais clareza como os agentes interagem durante a orquestração.

Ótimo que você conseguiu conectar recursos estudados antes com o conteúdo atual. Dica: continue usando essas ferramentas de observabilidade em testes menores, comparando a execução com e sem debug, para identificar com mais facilidade o comportamento de cada nó do grafo e os dados que passam entre eles.

Alura Conte com o apoio da comunidade Alura na sua jornada. Abraços e bons estudos!
solução!

Obrigado! vlw