> ## Documentation Index
> Fetch the complete documentation index at: https://docs.coze.cn/llms.txt
> Use this file to discover all available pages before exploring further.

本教程以一个旅游助手为例，介绍如何使用 Python 集成扣子罗盘 SDK 实现对旅游助手的全链路追踪，从用户输入到模型响应的全过程。 在本教程中，你需要先在扣子罗盘控制台中编写 Prompt，并通过扣子罗盘 SDK 拉取 Prompt 并调用模型，然后就能在控制台中查看 SDK 上报的 Trace 数据。
# 步骤一：编写 Prompt  {#7fed5b77}
 为了方便演示，本教程以 CozeLoop Demo 空间中的[旅行专家](https://loop.coze.cn/console/enterprise/personal/space/7487806534651887643/pe/prompts/7490479658761207820)为例。
以下是旅行助手的 Prompt 示例。你也可以根据实际需求，开发一个 Prompt 并提交版本，详情请参考[开发提示词](/cozeloop/create-prompt)。
![Image=2794x1290](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/0caf1641ecdc4232adf70a8647f0d1d6~tplv-goo7wpa0wc-image.image)
# 步骤二：上报数据 {#bda32ed1}
以下代码展示了如何使用扣子罗盘实现完整的链路追踪，从用户输入到模型响应的全过程。

1. 主流程（main）：
   * 初始化 CozeLoop 客户端，启用 Prompt 追踪
   * 创建 root span 追踪整个请求链路
   * 获取并格式化旅行专家 Prompt
   * 调用大模型获取响应
   * 记录输出结果并完成追踪
2. 模型调用（callLLM）：
   * 创建专门的 Model Span
   * 配置火山引擎（VolcEngine）的模型调用参数
   * 记录完整的调用上下文：
      * 输入信息（提示词）
      * 模型配置（提供商、模型名称、参数）
      * Prompt 信息
      * 追踪模型响应和性能指标（Token 使用量）

```Python
import os

import cozeloop
from cozeloop.spec import tracespec
from openai import OpenAI
from openai.types.chat import ChatCompletionSystemMessageParam

def main():
    # 初始化cozeloop client
    client = cozeloop.new_client(prompt_trace=True)

    # 准备用户输入
    input = {"people_num": "2", "destination": "上海", "days_num": "5", "travel_theme": "自由行"}

    # 创建root span
    root = cozeloop.start_span("旅行专家", "chain")
    root.set_input(input)

    try:
        # 拉取Prompt
        prompt = client.get_prompt(prompt_key="CozeLoop_Travel_Master")
        cozeloop_messages = client.prompt_format(prompt, input)
        messages = [
            ChatCompletionSystemMessageParam(
                role="system",
                content=cozeloop_messages[0].content
            )
        ]

        # 调用大模型
        response = call_llm(
            messages=messages,
            prompt=prompt,
        )

        # 处理最终结果
        final_output = response.choices[0].message.content
        root.set_output(final_output)

    finally:
        # root span 上报
        root.finish()

        # 服务退出前调用Close方法，否则可能造成trace数据丢失
        client.close()

def call_llm(messages, prompt):
    # 创建model span
    model_span = cozeloop.start_span("CallLLM", "model")

    ark_client = OpenAI(
        base_url="https://ark.cn-beijing.volces.com/api/v3",
        api_key=os.environ.get("OPENAI_API_KEY")
    )
    temperature = 0.7
    max_tokens = 1000

    try:
        # 设置模型参数
        model_span.set_input({"messages": messages})
        model_span.set_model_provider("volcengine")
        model_span.set_model_name("doubao-1-5-vision-pro-32k-250115")
        model_span.set_model_call_options(tracespec.ModelCallOption(
            temperature=temperature,
            max_tokens=max_tokens
        ))
        model_span.set_prompt(prompt=prompt)

        # 执行模型调用
        response = ark_client.chat.completions.create(
            model="doubao-1-5-vision-pro-32k-250115",
            messages=messages,
            temperature=temperature,
            max_tokens=max_tokens
        )

        model_span.set_output(response)
        model_span.set_input_tokens(response.usage.prompt_tokens)
        model_span.set_output_tokens(response.usage.completion_tokens)

        return response
    except Exception as e:
        model_span.set_error(e)
        raise
    finally:
        model_span.finish()

if __name__ == '__main__':
    main()
```

# 步骤三：查看 Trace 数据 {#fca2ccc8}
在完成数据上报后，就可以在扣子罗盘的观测页面查看 SDK 上报的 Trace 数据了。
![Image=1280x793](https://p9-arcosite.byteimg.com/tos-cn-i-goo7wpa0wc/67724c7292f947c7982f110fdc27caf1~tplv-goo7wpa0wc-image.image)