Skip to main content
Diese Anleitung zeigt, wie Sie Novita AI mit MLflow Tracing integrieren. Durch die Verwendung des OpenAI-kompatiblen Endpunkts von Novita AI (https://api.novita.ai/openai) können Sie Prompts, Antworten, Latenz, Token-Nutzung und Modellmetadaten in MLflow erfassen.
MLflow-Trace-Details und Zeitleiste

Voraussetzungen

Bevor Sie beginnen, stellen Sie sicher, dass Sie Folgendes haben:
  • Novita-AI-API-Schlüssel: Erstellen Sie einen in Key Management.
  • Einen laufenden MLflow-Tracking-Server. Sie können den lokalen Standard http://localhost:5000 verwenden.
  • Python- oder JavaScript-Laufzeitumgebung.

Integrationsschritte

Schritt 1: Abhängigkeiten installieren

Schritt 2: MLflow-Server starten

Wenn Sie eine lokale Python-Umgebung >= 3.10 haben, können Sie MLflow starten mit:
MLflow stellt außerdem ein Docker-Compose-Setup bereit:
Öffnen Sie anschließend http://localhost:5000, um zu bestätigen, dass die MLflow-UI erreichbar ist.

Schritt 3: Tracing aktivieren und Novita AI aufrufen

Schritt 4: Traces in der MLflow-UI anzeigen

Öffnen Sie Ihre MLflow-UI (zum Beispiel http://localhost:5000) und gehen Sie zu Ihrem konfigurierten Experiment, um Traces zu prüfen. Sie sollten Folgendes sehen:
  • Prompt- und Completion-Inhalte
  • Latenz und Token-Nutzung
  • Modell- und Anfrage-Metadaten
  • Errors/exceptions (falls vorhanden)

Schritt 5: Referenzen für erweitertes Tracing

Streaming und Async

MLflow unterstützt Tracing für Streaming- und Async-Novita-AI-APIs. Siehe:

Mit Frameworks oder manuellem Tracing kombinieren

Für die vollständige Upstream-Referenz: Weitere Informationen zu Novita-Modelldetails und Endpunktnutzung finden Sie hier:
  • Novita LLM API-Leitfaden: LLM API
Zuletzt geändert am 15. Mai 2026