LangChain入门:9.使用FewShotPromptTemplate实现智能提示工程

在构建智能提示工程时,LangChain 提供了强大的 FewShotPromptTemplate 模型,它可以帮助我们更好地利用示例来指导大模型生成更加优质的提示。
在这篇博文中,我们将使用 LangChain 的 FewShotPromptTemplate 模型来设计一个智能提示工程,以及如何有效地选择示例样本,从而实现高效且准确的提示生成。

1. 创建示例样本

我们首先创建了一些示例样本,每个样本包含了鲜花的类型、场合以及相应的广告文案。这些示例样本将作为我们的模型输入,用于指导大模型生成正确的响应。示例样本如下:

samples = [
    {
   
   
    "flower_type":"玫瑰",
    "occasion":"浪漫",
    "ad_copy":"玫瑰,象征着浪漫,是你向心爱的人表达爱意的最佳选择"
    },
    {
   
   
        "flower_type":"康乃馨",
        "occasion":"母亲节",
        "ad_copy":
评论 4
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

Hugo_Hoo

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值