LangChain中的提示词模板 - PromptTemplate

---

前言

  提示词模板有助于将用户输入和参数转换为语言模型的指令。 这可以用于指导模型的响应，帮助其理解上下文并生成相关且连贯的基于语言的输出。

一、基本概念

  提示词模板的输入是一个字典，其中每个键表示要填充的提示词模板中的变量。提示词模板输出一个 PromptValue。此 PromptValue 可以传递给 LLM 或 ChatModel，也可以转换为字符串或消息列表。 这个 PromptValue 的存在是为了方便在字符串和消息之间切换。

1. 模板消息

   LangChain 为不同角色提供了不同的消息类：

• 人类消息（HumanMessage）：这表示角色为“用户（user）”的消息。
• AI消息（AIMessage）：这表示角色为“助手（assistant）”的消息。
• 系统消息（SystemMessage）：这表示一个角色为 “system” 的消息，告诉模型如何行为。并不是每个大模型供应商都支持这个。
• 工具消息（ToolMessage）：这表示一个角色为 “tool” 的消息，包含调用工具的结果。

   所有消息都有 role、content 和 response_metadata 属性。

• role 描述了谁在说这条消息。标准角色是 ‘user’、‘assistant’、‘system’ 和 ‘tool’。
• content 属性描述了消息的内容。 这可以是几种不同的东西：
  • 一个字符串（大多数模型处理这种类型的内容）
  • 一个字典列表（用于多模态输入，其中字典包含关于该输入类型和输入位置的信息）
• response_metadata属性包含有关响应的附加元数据。这里的数据通常是特定于每个大模型供应商的。 这里可能存储诸如日志概率和令牌使用等信息。

   可选地，消息可以有一个 name 属性，用于区分具有相同角色的多个发言者。 例如，如果聊天历史中有两个用户，区分它们可能会很有用。并不是所有模型都支持这一点。

二、使用方法

1. 字符串提示词模板

  这类提示词模板用于格式化单个字符串，通常用于更简单的输入。

from langchain_core.prompts import PromptTemplate

template = PromptTemplate.from_template("请给我讲个关于{topic}的笑话。")
result = template.invoke({
   
   "topic": "猫"})
print(f"输出=>: {
     
     result}")
# 输出=>: text='给我讲个关于猫的笑话。'

2. 聊天提示词模板

  这类提示词模板用于格式化消息列表。这些“模板”本身由一系列模板组成。

2.1、单变量提示词模板

from langchain_core.prompts import ChatPromptTemplate

template = ChatPromptTemplate.from_messages([
    ("system", "你是一个有用的助手。"),
    ("user",