OpenLIT OpenTelemetry: تهيئة تطبيق LLM بأقل جهد

OpenLIT OpenTelemetry: حزمة SDK بترخيص Apache 2.0 وثلاث طرق لتهيئة تطبيق LLM وخصائص gen_ai وإعدادات الخصوصية التي عليك حسمها أولًا.
OpenLIT OpenTelemetry : instrumenter une application LLM sans effort

يستدعي تطبيقك نموذجًا لغويًا، وتواصل الفاتورة ارتفاعها، ولا أحد يعرف أي طلب هو الأغلى. مع OpenLIT OpenTelemetry يصبح الجواب داخل أثر (trace) واحد: كل استدعاء للنموذج يتحول إلى span يحمل اسم النموذج وعدد الرموز (tokens) وتكلفتها. مستودع openlit/openlit مرخّص بموجب Apache 2.0، وكان يضم نحو 3000 نجمة في 11 نوفمبر 2026.

تبدأ المسألة بقرار تشغيلي: هل تضيف أدوات القياس يدويًا، أم تترك حزمة SDK تتولى ذلك؟ والأهم: ما الذي تقبل بتخزينه داخل الآثار؟ مصدر المعلومات هنا ملف README في المستودع ووثائق docs.openlit.io، وقد اطلعنا عليهما في 11 نوفمبر 2026.

توضيح منهجي: لم تنفّذ span.observer هذه الأوامر بنفسها. المقاطع تنقل ما في الوثائق، ولقطة الأثر مأخوذة من مستودع المشروع (Apache 2.0). وللمقارنة مع مقاربات أخرى، راجع Langfuse وOpenLLMetry وOpenInference نحو Collector.

OpenLIT OpenTelemetry: ماذا يفعل المشروع فعلًا

يقدّم OpenLIT نفسه منصة مفتوحة المصدر لتتبّع تطبيقات الذكاء الاصطناعي وتقييمها وتحسينها عبر OpenTelemetry. ويذكر README أكثر من 70 تكاملًا: مزوّدو النماذج وأطر الوكلاء وقواعد البيانات المتجهية ووحدات GPU.

  • حزم SDK: Python ‏(pip install openlit) وTypeScript ‏(npm install openlit) وGo.
  • الاصطلاحات: تتبع الآثار والمقاييس اصطلاحات GenAI الدلالية في OpenTelemetry ضمن فضاء الأسماء gen_ai.*.
  • التصدير: بروتوكول OTLP القياسي، أي آثار ومقاييس وأحداث يقرؤها أي نظام خلفي متوافق.
  • الواجهة: لوحة تُستضاف ذاتيًا وتُشغَّل بالأمر docker compose up -d، وتستمع إلى OTLP على المنفذين 4317 (gRPC) و4318 (HTTP).

اللوحة اختيارية. الأهم هو الـ SDK لأنه ينتج spans يمكنك إرسالها إلى أي جهة أخرى.

ثلاث طرق للتهيئة ومعيار اختيار واحد

تقترح الوثائق ثلاث نقاط دخول، ويكفي سؤال واحد للاختيار بينها: من يستطيع تعديل شيفرة التطبيق؟

إن كانت الشيفرة لك: openlit.init()

يكفي استدعاء واحد عند بدء التشغيل، فيكتشف الـ SDK المكتبات المثبتة ويضيف إليها أدوات القياس. المقطع التالي يجمع عنوان OTLP مع خيارين للخصوصية نشرحهما لاحقًا.

ملف Python باسم app.py يحوي استدعاء openlit.init مع otlp_endpoint، وcapture_message_content بقيمة False، وmax_content_length بقيمة 2000

إن لم تستطع تعديل الشيفرة: openlit-instrument

تشغّل أداة سطر الأوامر برنامجك نيابةً عنك، وتُمرَّر الخدمة والبيئة ونقطة النهاية عبر متغيرات البيئة. هذا هو الخيار المناسب لتطبيق من طرف ثالث أو لحاوية لا تعيد بناءها.

طرفية تعرض ثلاثة متغيرات هي OTEL_SERVICE_NAME وOTEL_DEPLOYMENT_ENVIRONMENT وOTEL_EXPORTER_OTLP_ENDPOINT، ثم الأمر openlit-instrument python your_app.py

إن كنت تستخدم TypeScript مع استيرادات ثابتة

استيراد من المستوى الأعلى مثل import OpenAI from "openai" يفلت من التهيئة التلقائية. عندها تطلب الوثائق تمرير الوحدة إلى المعامل instrumentations. أما LangChain فيستلزم استيرادات ديناميكية.

انتبه إلى فخ في صفحة البدء: السطر export OTEL_EXPORTER_OTLP_ENDPOINT = "..." مكتوب فيها بمسافات حول علامة المساواة، وهذا يرفضه الـ shell. اكتبه بلا مسافات.

ما يحويه الـ span: كيف تقرأ أثرًا

افتح أثرًا وانظر إلى خصائص الـ span. في لقطة المستودع يُظهر استدعاء محادثة النموذج والمدة وعدد الرموز والتكلفة. وتحمل الخصائص الأسماء gen_ai.operation.name وgen_ai.provider.name وgen_ai.request.model.

واجهة OpenLIT تعرض أثر وكيل LangGraph وتفاصيل span المحادثة gpt-4o-mini مع خصائص gen_ai.* في تبويب Span Attributes
Source : github.com

مصدر الصورة: مستودع openlit/openlit، ترخيص Apache 2.0. هذا التقسيم هو ما يجعل الأثر قابلًا للاستثمار: span لكل استدعاء، وأصل واحد لكل محادثة. ترى أين يذهب الوقت وأين تذهب الرموز.

ماذا تلتقط: الـ prompts والطول والبيانات الشخصية

يلتقط الـ SDK الخاص بـ Python محتوى الرسائل افتراضيًا. هذا مفيد في تصحيح الأخطاء لكنه محفوف بالمخاطر، لأن الـ prompts تحوي غالبًا بيانات عملاء. وتضبط ثلاثة إعدادات هذا القرار.

  • الإعداد capture_message_content=False (المتغير OTEL_INSTRUMENTATION_GENAI_CAPTURE_MESSAGE_CONTENT) يُبقي الـ prompts والردود خارج الآثار. والقيمة الافتراضية True.
  • الإعداد max_content_length يقتطع المحتوى المحفوظ.
  • الإعداد guards=[openlit.PII(action="redact")] يخفي القيم الحساسة قبل إرسال الـ prompt. وتوضح الوثائق أن إعادة الكتابة هذه تخص الـ prompts ذات الرسالة الواحدة فقط.

توصيتنا، وهي غير مجرَّبة: عطّل المحتوى أولًا في الإنتاج، ولا تفعّله إلا في بيئة ما قبل الإنتاج.

الخطوات: من الصفر إلى أول أثر

  1. ثبّت الـ SDK بالأمر pip install openlit.
  2. اختر نقطة الدخول: openlit.init() داخل الشيفرة، أو openlit-instrument قبل الأمر.
  3. عيّن OTEL_SERVICE_NAME وOTEL_DEPLOYMENT_ENVIRONMENT. وبدونهما تعطي الوثائق القيمة default لكليهما.
  4. وجّه OTEL_EXPORTER_OTLP_ENDPOINT إلى لوحة OpenLIT أو إلى Collector الخاص بك.
  5. استدعِ النموذج مرة واحدة، ثم ابحث عن الخدمة في الواجهة.

للتحقق من النجاح، يجب أن يحوي الأثر span محادثة مع gen_ai.request.model وعدد الرموز. وإن بقي فارغًا، فافحص أولًا المنفذ 4318 وتأكد من تنفيذ init() قبل استيراد عميل النموذج.

ومن صفحة الإعداد نستخلص أولوية يجدر تذكّرها: متغيرات البيئة تتقدم على معاملات أداة سطر الأوامر، وهذه تتقدم على معاملات الـ SDK. وعند الشك، راجع متغيرات العملية.

إلى أي نظام خلفي ترسل البيانات؟

تشير الوثائق إلى أنه يمكنك تجاوز المكدّس المرفق وإرسال OTLP إلى نظام OpenTelemetry خلفي آخر. وما بعد ذلك هندسة معتادة: Collector في المقدمة، وخصائص موارد نظيفة، ومدة احتفاظ مناسبة. وتجد تتبع التكلفة بحسب الرموز في مقالنا عن تكلفة وكيل الذكاء الاصطناعي.

لا يرد ذكر Dynatrace في صفحات المشروع التي قرأناها، ولم نتحقق من هذا الربط. وفي ما يخص Dynatrace، اعتمد على docs.dynatrace.com وحده، مع التمييز بين SaaS وManaged.

ممارسات جيدة

  • حدّد service_name والبيئة، وإلا انتهت كل خدماتك تحت الاسم «default».
  • غيّر بيانات الدخول الافتراضية للوحة (مثال الوثائق يستخدم حسابًا عامًا) قبل أي تعريض للشبكة.
  • عطّل التقاط الرسائل فور احتواء الـ prompts على بيانات شخصية.
  • أبقِ الـ SDK محدّثًا: فاصطلاحات GenAI تتطور وقد تتغير أسماء الخصائص.
  • قس كلفة أدوات القياس الإضافية على حمل عملك الفعلي: لم نفعل ذلك.

الأسئلة الشائعة

هل يحل OpenLIT محل OpenTelemetry؟

لا. OpenLIT حزمة SDK ومنصة مبنية فوق OpenTelemetry. يصدّر OTLP القياسي ويتبع اصطلاحات gen_ai.*.

هل أحتاج إلى لوحة OpenLIT؟

لا. هي للبدء السريع ويمكن استبدالها بنظام OTLP خلفي آخر، والـ SDK يبقى كما هو.

هل تُخزَّن الـ prompts داخل الآثار؟

نعم افتراضيًا في الـ SDK الخاص بـ Python. استخدم capture_message_content=False لتجنب ذلك.

الخلاصة

يستحق OpenLIT التجربة إن أردت آثار GenAI قياسية دون كتابة الـ spans بيدك. اختر نقطة الدخول بحسب من يتحكم في الشيفرة، ثم قرر ما يجوز أن تحويه الآثار. المستودع: openlit/openlit، والوثائق: docs.openlit.io.

span.observer مدوّنة مجتمعية مستقلة وغير تابعة لشركة Dynatrace LLC ولا لمشروع OpenLIT. العلامات التجارية المذكورة تعود إلى مالكيها. الأدوات تتغير بسرعة، فتحقق دائمًا من الأوامر والخيارات في الوثائق الرسمية الخاصة بإصدارك.

Total
0
Shares
Leave a Reply

Your email address will not be published. Required fields are marked *

Previous Post
Tableaux de bord as code avec Perses : une alternative à Grafana ?

لوحات المعلومات ككود مع Perses: بديل عن Grafana؟

Related Posts