LangChain提示词工程，终于有人一次性讲清楚了

大模型入门教程

于 2025-05-26 20:10:02 发布

阅读量773

点赞数 11

文章标签： langchain 提示词工程人工智能 AI大模型学习大模型 AI

本文链接：https://blog.csdn.net/2401_85343303/article/details/148238821

版权

1 提示词模板简介

在LangChain中，提示模板（Prompt Templates）扮演着至关重要的角色，它们允许开发者以结构化的方式向语言模型提供输入，从而引导模型生成所需的输出。

1.1 提示词模板的内容

提示词模板本质上跟平时大家使用的邮件模板、短信模板没什么区别，就是一个字符串模板，模板可以包含一组模板参数，通过模板参数值可以替换模板对应的参数。

一个提示词模板可以包含下面内容：

发给大语言模型（LLM）的指令。
一组问答示例，以提醒AI以什么格式返回请求。
发给语言模型的问题。

1.2 提示模板在LangChain中的作用

提示模板在LangChain中的作用是定义一个结构化的输入格式，该格式包含了模型在生成输出时所需的所有信息。通过使用提示模板，开发者可以确保向模型提供的输入是清晰、一致且易于理解的，从而提高模型的输出质量。

2 提示词模板实战

2.1 字符串提示词模板

在LangChain中，可以使用 `PromptTemplate` 类创建简单的提示词。提示词模板可以内嵌任意数量的模板参数，然后通过参数值格式化模板内容。

from langchain.prompts import PromptTemplate

# 定义一个提示模板，包含adjective和content两个模板变量，模板变量使用{}包括起来
prompt_template = PromptTemplate.from_template(
    "给我讲一个关于{content}的{adjective}故事。"
)

# 通过模板参数格式化提示模板
result = prompt_template.format(adjective="童话", content="一千零一夜")
print(result)

2.2 聊天消息提示词模板

聊天模型（Chat Model）以聊天消息列表作为输入，这个聊天消息列表的消息内容也可以通过提示词模板进行管理。这些聊天消息与原始字符串不同，因为每个消息都与“角色(role)”相关联。

在OpenAI的聊天模型中，给不同的聊天消息定义了三种角色类型分别是助手(assistant)、人类（human）或系统（system）角色。

助手(Assistant) 消息指的是当前消息是AI回答的内容
用户（user）消息指的是你发给AI的内容。
系统（system）消息通常是用来给AI身份进行描述

from langchain_core.prompts import ChatPromptTemplate

chat_template = ChatPromptTemplate.from_messages(
    [
        ("system", "你是一位人工智能助手，你的名字是{name}。"),
        ("human", "你能做什么"),
        ("ai", "设计课程，谢谢！"),
        ("human", "{user_input}"),
    ]
)
messages = chat_template.format_messages(name="教学助手",
                                          user_input="你的名字叫什么？")
print(messages)

2.4 MessagesPlaceholder

MessagesPlaceholder 提示模板负责在特定位置添加消息列表。在上面的 ChatPromptTemplate 中，我们看到了如何格式化两条消息，每条消息都是一个字符串。如果我们希望用户传入一个消息列表，就可以通过MessagesPlaceholder 的方式将其插入到特定位置。

from langchain_core.prompts import ChatPromptTemplate
from langchain_core.prompts import MessagesPlaceholder
from langchain_core.messages importHumanMessage

prompt_template = ChatPromptTemplate.from_messages([
    ("system", "You are a helpful assistant"),
    #可以传入一组消息
    MessagesPlaceholder("msgs")
])
result = prompt_template.invoke({"msgs": [HumanMessage(content="您好!"),
                                          HumanMessage(content="langchain!")]})
print(result)

3.2 提示词追加示例

提示词中包含交互样本的作用是为了帮助模型更好地理解用户的意图，从而更好地回答问题或执行任务。小样本提示模板是指使用一组少量的示例来指导模型处理新的输入。这些示例可以用来训练模型，以便模型可以更好地理解和回答类似的问题。

提示词交互示例：

examples = [
    {
        "question": "电话和电灯的发明者是否毕业于同一所大学？",
        "answer":
            """
            这里需要跟进问题吗：是的。
            跟进：电话的发明者是谁？
            中间答案：电话的发明者是Alexander Graham Bell。
            跟进：Alexander Graham Bell毕业于哪所大学？
            中间答案：Alexander Graham Bell没有正式大学学位，他在爱丁堡大学短暂学习过。
            跟进：电灯的发明者是谁？
            中间答案：电灯的发明者是Thomas Edison。
            跟进：Thomas Edison毕业于哪所大学？
            中间答案：Thomas Edison没有大学学位，他是自学成才的发明家。
            所以最终答案是：不是
            """
    }
]

告诉模型根据，Q是问题，A是答案，按这种格式进行问答交互。提示词追加示例代码如下。

from langchain.prompts import FewShotPromptTemplate
from langchain.prompts.prompt import PromptTemplate

from prompt_example import examples # examples是交互示例

example_prompt = PromptTemplate(input_variables=["question", "answer"], 
                                template="问题：{question}\\n{answer}")
print(example_prompt.format(**examples[0]))

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。