LangChain 31 模块复用Prompt templates 提示词模板

发布时间：2023年12月24日

LangChain系列文章

在这里插入图片描述

Prompt templates 提示词模板

大多数LLM应用程序不会直接将用户输入传递给LLM。通常，它们会将用户输入添加到一个更大的文本片段中，称为提示模板，该模板提供有关特定任务的附加上下文。

在前面的示例中，我们传递给模型的文本包含生成公司名称的说明。对于我们的应用程序，如果用户只需提供公司/产品的描述而不必担心给模型提供说明，那将是很好的。

PromptTemplates正是为此而设计的！它们捆绑了从用户输入到完全格式化提示的所有逻辑。这可以非常简单地开始-例如，用于生成上述字符串的提示只是：

from langchain.prompts import PromptTemplate

prompt = PromptTemplate.from_template("制造{product}的公司取什么好名字？")
prompt.format(product="彩色袜子")

制造彩色袜子的公司取什么好名字？

然而，使用这些而不是原始字符串格式化的优势有几个。你可以“部分”地提取变量 - 例如，你可以一次只格式化一些变量。你可以将它们组合在一起，轻松地将不同的模板组合成单个提示。有关这些功能的详细说明，请参阅有关提示的部分。

PromptTemplates 也可以用于生成消息列表。在这种情况下，提示不仅包含有关内容的信息，还包含每条消息（其角色，其在列表中的位置等）的信息。在这里，最常见的情况是 ChatPromptTemplate 是 ChatMessageTemplates 的列表。每个 ChatMessageTemplate 包含有关如何格式化该 ChatMessage 的说明 - 其角色，以及其内容。让我们在下面看一下：

# 导入Langchain库中的OpenAI模块，该模块提供了与OpenAI语言模型交互的功能
from langchain.llms import OpenAI  

# 导入Langchain库中的PromptTemplate模块，用于创建和管理提示模板
from langchain.prompts import PromptTemplate  

# 导入Langchain库中的LLMChain模块，它允许构建基于大型语言模型的处理链
from langchain.chains import LLMChain  

# 导入dotenv库，用于从.env文件加载环境变量，这对于管理敏感数据如API密钥很有用
from dotenv import load_dotenv  

# 导入Langchain库中的ChatOpenAI类，用于创建和管理OpenAI聊天模型的实例。
from langchain.chat_models import ChatOpenAI

# 调用dotenv库的load_dotenv函数来加载.env文件中的环境变量。
# 这通常用于管理敏感数据，如API密钥。
load_dotenv()  

# 创建一个ChatOpenAI实例，配置它使用gpt-3.5-turbo模型，
# 设定温度参数为0.7（控制创造性的随机性）和最大令牌数为60（限制响应长度）。
chat = ChatOpenAI(
    model="gpt-3.5-turbo",
    temperature=0.7,
    max_tokens=120
)
# 导入Langchain库中的模板类，用于创建聊天式的提示。
from langchain.prompts import (
    ChatPromptTemplate,
    SystemMessagePromptTemplate,
    HumanMessagePromptTemplate
)

template = "你是一个很有帮助的助手，可以进行翻译语言从 {input_language} 到 {output_language}."
human_template = "{text}"

chat_prompt = ChatPromptTemplate.from_messages([
    ("system", template),
    ("human", human_template),
])

prompt = chat_prompt.format_messages(input_language="English", output_language="Chinese", text="I love programming.")
print('prompt >>> ', prompt)

# 使用chat函数（需要事先定义）发送生成的提示，获取结果。
result = chat(prompt)

# 打印聊天结果。
print('result >>> ', result)

[zgpeace@zgpeaces-MacBook-Pro langchain-llm-app (develop ?)]$ python Basic/chat_llm_prompt_template.py                                  ──(Sat,Dec23)─┘
prompt >>>  [SystemMessage(content='你是一个很有帮助的助手，可以进行翻译语言从 English 到 Chinese.'), HumanMessage(content='I love programming.')]
result >>>  content='我热爱编程。'

ChatPromptTemplates也可以用其他方式构建 - 详细信息请参阅提示部分。

代码

https://github.com/zgpeace/pets-name-langchain/tree/develop

参考

https://python.langchain.com/docs/get_started/quickstart

文章来源:https://blog.csdn.net/zgpeace/article/details/135176457
本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若内容造成侵权/违法违规/事实不符，请联系我的编程经验分享网邮箱：chenni525@qq.com进行投诉反馈，一经查实，立即删除！