LangChain Prompt模板：高效构建与优化

黑客-雨

于 2024-07-26 09:40:15 发布

阅读量461

点赞数 9

文章标签： langchain prompt AI大模型大模型人工智能

本文链接：https://blog.csdn.net/2401_84204207/article/details/140707171

版权

1. 简述LangChain

LangChain是一个开源库，它致力于让开发基于LLM的AI应用更简单，它是一个AI开发领域的万能适配器。

它抽象化了与大语言模型（如OpenAI模型、文心模型等等）交互的复杂性，以及集成了周边的各种工具生态，让开发者可以专注于实现AI应用的逻辑和功能。LangChain提供了一系列易于使用的工具和抽象，使得与大语言模型的交互变得尽可能的简单明了。

使用之前，先安装LangChain：

pip install langchain

2. LangChain使用OpenAI模型

LangChain与各种AI大模型都做了适配，下面以OpenAI的模型为例，可以简单地通过LangChain来调用它。当然国内使用原生的OpenAI会有些障碍，本文主要使用代理模式，比如https://api.aigc369.com/v1。

2.1、使用OpenAI的接口

from openai import OpenAI

# 实例化OpenAI模型
client = OpenAI(api_key="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
                base_url="https://api.aigc369.com/v1")

# 使用LangChain的接口与模型交互
messages = [
    {
        "role": "system",
        "content": "请你作为我的生活小助手。"
    },
    {
        "role": "user",
        "content": "胳膊上起了红疹子怎么办？"
    }
]
response = client.chat.completions.create(
    model="gpt-3.5-turbo",
    messages= messages
)
content = response.choices[0].message.content
print(content)

2.2、使用LangChain的接口调用OpenAI的模型

from langchain_openai import ChatOpenAI

# 实例化OpenAI模型
model = ChatOpenAI(model="gpt-3.5-turbo",
                   openai_api_key="sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx",
                   openai_api_base="https://api.aigc369.com/v1")

# 使用LangChain的接口与模型交互
from langchain.schema.messages import HumanMessage, SystemMessage, AIMessage

messages = [
    SystemMessage(content="请你作为我的生活小助手。"),
    HumanMessage(content="胳膊上起了红疹子怎么办？"),
]
response = model.invoke(messages)
print(response.content)

3. 什么是提示词模板

在上一篇《[Prompt提示词助力AI写作]》里已经聊过Prompt提示词的概念，提示词的主要作用是为了更好的与AI对话，帮助引导AI产生更精确、更相关的文本。所以要尽可能的给AI讲清楚任务、背景、任务等核心要素。

**那Prompt提示词模板是啥呢？**Prompt提示词模板是在LangChain中使用，LangChain 中通过提示模板来构建最终的 Prompt。提示模板是 LangChain 的核心功能之一。

4. 怎么使用提示词模板

设想一下，如果你想让AI帮你把一段中文翻译成多种语言。那你可能要写多条类似的提示词，让AI一个个的去执行任务。或者你想让AI帮你批量的生成一些固定的邮件，只是中间的人名不同，你肯定也不想写多条类似的提示词。

此时使用提示词模板是最合适的。接下来举个例子，让AI将中文按照我们的要求翻译成多种语言：

from langchain_openai import ChatOpenAI
from langchain.prompts import (
    SystemMessagePromptTemplate,
    AIMessagePromptTemplate,
    HumanMessagePromptTemplate,
)

system_template_text = "你是一位专业的翻译，能够将{input_language}翻译成{output_language}。请只输出翻译后的文本，不要有任何其它内容。"
system_prompt_template = SystemMessagePromptTemplate.from_template(system_template_text)

human_template_text = "文本：{text}"
human_prompt_template = HumanMessagePromptTemplate.from_template(human_template_text)

model = ChatOpenAI(model="gpt-3.5-turbo",
                   openai_api_key="sk-BuQK7SGbqCZP2i2z7fF267AeD0004eF095AbC78d2f79E019",
                   openai_api_base="https://api.aigc369.com/v1")

prompt_input_variables = [
    {
        "input_language": "中文",
        "output_language": "英语",
        "text": "我今天去超级买衣服",
    },
    {
        "input_language": "中文",
        "output_language": "法语",
        "text": "我今天去超级买衣服",
    },
    {
        "input_language": "中文",
        "output_language": "俄语",
        "text": "我今天去超级买衣服",
    },
    {
        "input_language": "中文",
        "output_language": "日语",
        "text": "我今天去超级买衣服",
    },
    {
        "input_language": "中文",
        "output_language": "韩语",
        "text": "我今天去超级买衣服",
    },
    {
        "input_language": "中文",
        "output_language": "意大利语",
        "text": "我今天去超级买衣服",
    }
]

for input in prompt_input_variables:
    response = model.invoke([
        system_prompt_template.format(input_language=input["input_language"], output_language=input["output_language"]),
        human_prompt_template.format(text=input["text"])])
    print(response.content)

SystemMessagePromptTemplate代码系统模板，HumanMessagePromptTemplate代表是用户消息模板。{input_language}、{output_language}、{text}是变量，最终通过format方法，替换成实际的值来生成最终的Prompt。最终使用LangChain的大模型类执行Prompt即可。

执行结果如下：

5. 什么是LangChainHub

如果碰到复杂场景，需要模型接入各种工具时，就要写复杂的提示词了，比如类似这样这个链接里的提示词模板。这么复杂的提示词写起来就有点尴尬了，幸好有LangChainHub。[smith.langchain.com/hub/hwchase…]。

LangChainHub 是一个围绕 LangChain 生态系统构建的平台。它能够让开发者更轻松地发现、分享和利用其他人创建的工作流、模板和组件。它相当于是一个丰富的社区资源库。

在 LangChainHub，你可以找到：

提示词模板库：这些模板可以帮助你快速开始一个特定任务，比如生成特定格式的文本，或者进行一些复杂的逻辑处理。
可重复使用的流程：如果你有常见的工作流，你可以在LangChainHub上找到现成的流程，或者将你的工作流分享给社区。
最佳实践的共享：在 LangChainHub 上，开发者可以分享他们的经验教训和解决方案，帮助其他开发者避坑。

比如，从 LangChainHub 寻找某个功能的提示词模板，可以直接这样搞：

from langchain import hub
prompt = hub.pull("hwchase17/structured-chat-agent")
print(prompt)

后续再继续详聊LangChainHub。

总结

本文主要聊了LangChain，还聊了如何使用LangChain与OpenAI模型进行提示词模板的交互。希望对你有帮助。

如何学习AI大模型？

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述

第一阶段：从大模型系统设计入手，讲解大模型的主要方法；

第二阶段：在通过大模型提示词工程从Prompts角度入手更好发挥模型的作用；

第三阶段：大模型平台应用开发借助阿里云PAI平台构建电商领域虚拟试衣系统；

第四阶段：大模型知识库应用开发以LangChain框架为例，构建物流行业咨询智能问答系统；

第五阶段：大模型微调开发借助以大健康、新零售、新媒体领域构建适合当前领域大模型；

第六阶段：以SD多模态大模型为主，搭建了文生图小程序案例；

第七阶段：以大模型平台应用与开发为主，通过星火大模型，文心大模型等成熟大模型构建大模型行业应用。

在这里插入图片描述

👉学会后的收获：👈
• 基于大模型全栈工程实现（前端、后端、产品经理、设计、数据分析等），通过这门课可获得不同能力；

• 能够利用大模型解决相关实际项目需求：大数据时代，越来越多的企业和机构需要处理海量数据，利用大模型技术可以更好地处理这些数据，提高数据分析和决策的准确性。因此，掌握大模型应用开发技能，可以让程序员更好地应对实际项目需求；

• 基于大模型和企业数据AI应用开发，实现大模型理论、掌握GPU算力、硬件、LangChain开发框架和项目实战技能，学会Fine-tuning垂直训练大模型（数据准备、数据蒸馏、大模型部署）一站式掌握；

• 能够完成时下热门大模型垂直领域模型训练能力，提高程序员的编码能力：大模型应用开发需要掌握机器学习算法、深度学习框架等技术，这些技术的掌握可以提高程序员的编码能力和分析能力，让程序员更加熟练地编写高质量的代码。

在这里插入图片描述

1.AI大模型学习路线图
2.100套AI大模型商业化落地方案
3.100集大模型视频教程
4.200本大模型PDF书籍
5.LLM面试题合集
6.AI产品经理资源合集

👉获取方式：
😝有需要的小伙伴，可以保存图片到wx扫描二v码免费领取【保证100%免费】🆓

在这里插入图片描述

黑客-雨

关注

9
点赞
踩
13

收藏

觉得还不错? 一键收藏
0
评论
LangChain Prompt模板：高效构建与优化

在上一篇《[Prompt提示词助力AI写作]》里已经聊过Prompt提示词的概念，提示词的主要作用是为了更好的与AI对话，帮助引导AI产生更精确、更相关的文本。所以要尽可能的给AI讲清楚任务、背景、任务等核心要素。**那Prompt提示词模板是啥呢？**Prompt提示词模板是在LangChain中使用，LangChain 中通过提示模板来构建最终的 Prompt。提示模板是 LangChain 的核心功能之一。
复制链接

扫一扫