基于 Python 的自然语言处理系列（69）：RAG-prompt-优快云博客

本文链接：https://blog.youkuaiyun.com/ljd939952281/article/details/146584655

1. LangChain 简介

LangChain 是一个用于开发基于语言模型（LM）的应用程序的框架。它支持创建以下类型的应用：

上下文感知（Context-aware）：连接语言模型（LM）到上下文数据源（如提示指令、少样本示例、相关内容等）。
推理能力（Reasoning）：依靠 LM 进行推理（根据提供的上下文决定如何回答、采取何种行动等）。

1.1 典型应用场景

文档问答（如法律、医学领域）
聊天机器人（如市场营销、HR 招聘）
结构化数据分析（如 SQL 查询、报告文档分析）

LangChain 主要包含以下三个核心组件：

LLM（大语言模型）：作为核心推理引擎，理解和使用不同类型的 LM 是使用 LangChain 的基础。
Prompt Templates（提示模板）：为 LM 提供指令，决定模型的输出。
Output Parsers（输出解析器）：将 LLM 的原始响应转换为可用格式，方便后续使用。

2. 提示（Prompt）

提示（Prompt）是用户提供给语言模型的输入或指令，帮助其理解上下文并生成相关的语言输出。LangChain 提供了一些用于构建和处理提示的类和函数。

2.1 提示模板（Prompt Template）

提示模板是一种预定义的提示生成配方，包含 指令、少样本示例、特定上下文 以及 适用于特定任务的问题。

from langchain.prompts import PromptTemplate

prompt_template = PromptTemplate(
    input_variables=["adjective", "content"],
    template="Tell me a {adjective} joke about {content}.",
)

print(prompt_template.format(adjective="funny", content="chickens"))

或者使用 from_template 方法（不需要显式定义 input_variables）：

prompt_template = PromptTemplate.from_template(
    template="Tell me a {adjective} joke about {content}.",
)

print(prompt_template.format(adjective="funny", content="chickens"))

2.2 ChatPromptTemplate

聊天提示（ChatPromptTemplate）由一系列聊天消息组成，每条消息都有一个 role（角色）。

在 OpenAI Chat API 中，常见的角色包括：

SystemMessage：系统消息
AIMessage：AI 生成的消息
HumanMessage：用户输入的消息
FunctionMessage：函数调用生成的消息

示例：

from langchain.prompts import ChatPromptTemplate
from langchain.schema.messages import SystemMessage, HumanMessagePromptTemplate

chat_template = ChatPromptTemplate.from_messages(
    [
        SystemMessage(content="""
        You serve as the teacher assistant to Chaky, who instructs an NLP course.
        Your primary responsibility is to assist students in successfully completing the NLP course.
        """),
        HumanMessagePromptTemplate.from_template("{text}"),
    ]
)

messages = chat_template.format_messages(text="How to get an A if I fail every quiz?")
print(messages)