v0.0.3

- token

README.md

@@ -1,6 +1,6 @@
 # LangChain Learning
 
-[![](https://img.shields.io/badge/version-0.0.2-blue.svg)](https://github.com/your-repo/langchain-learning)
+[![](https://img.shields.io/badge/version-0.0.3-blue.svg)](https://github.com/your-repo/langchain-learning)
 [![](https://img.shields.io/badge/python-3.11+-green.svg)](https://www.python.org/)
 [![](https://img.shields.io/badge/LangChain-v1.2-orange.svg)](https://www.langchain.com/)
 
@@ -11,6 +11,7 @@
 - **多 LLM 集成**：支持 OpenAI API、SiliconFlow 及 LangChain 抽象层
 - **流式响应**：实时流式输出，带来更好的使用体验
 - **Prompt 工程**：多种 Prompt 模板构建方式
+- **Token 用量追踪**：轻松监控 API 调用消耗
 - **实战示例**：从基础到进阶的使用模式
 
 ## 快速开始
@@ -49,6 +50,12 @@ SILICONFLOW_BASE_URL=https://api.siliconflow.cn/v1
 | Few-shot Learning | `python prompt/fewshot_demo.py` | 带示例的少样本提示学习 |
 | 从文件加载 Prompt | `python prompt/promt_from_file.py` | 从 YAML 文件加载提示词模板 |
 
+**Token 用量示例**
+
+| 示例 | 命令 | 说明 |
+|------|------|------|
+| Token 追踪 | `python token/token_demo.py` | 使用 get_openai_callback 追踪 token 消耗 |
+
 ## 项目结构
 
 ```
@@ -63,6 +70,8 @@ langchain-learning/
 │   ├── fewshot_demo.py                # Few-shot Learning 示例
 │   ├── promt_from_file.py             # 从文件加载 Prompt
 │   └── prompt_from_file.yaml          # Prompt 模板文件
+├── token/
+│   └── token_demo.py                  # Token 用量追踪示例
 ├── main.py                            # 入口文件
 ├── pyproject.toml                     # 项目配置
 └── README.md

token/token_demo.py

@@ -0,0 +1,27 @@
+
+from langchain_community.callbacks import get_openai_callback
+from langchain_core.prompts import FewShotChatMessagePromptTemplate, PromptTemplate
+from langchain_openai import ChatOpenAI
+import os
+import dotenv
+
+dotenv.load_dotenv()
+
+## 设置环境变量
+os.environ['OPENAI_API_KEY'] = os.getenv("SILICONFLOW_API_KEY")
+os.environ['OPENAI_BASE_URL'] = os.getenv("SILICONFLOW_BASE_URL")
+
+# 默认的 'model_name': 'deepseek-ai/DeepSeek-V3.1',
+llm = ChatOpenAI(model="deepseek-ai/DeepSeek-R1-0528-Qwen3-8B")
+template = PromptTemplate.from_template("给我讲一个关于{topic}的冷笑话")
+chain = template | llm
+
+with get_openai_callback() as cb:
+    response = chain.invoke({"topic":"特朗普"})
+    print(response)
+
+print("------")
+print(f"total_tokens:{cb.total_tokens}")
+print(f"prompt_tokens :{cb.prompt_tokens}")
+print(f"completion_tokens:{cb.completion_tokens}")
+print(f"total_cost:{cb.total_cost}")