使用少样本提示与工具调用：提升AI计算准确性的方法-CSDN博客

本文链接：https://blog.csdn.net/aehrutktrjk/article/details/142329423

引言

在复杂的计算任务中，少样本提示（Few-Shot Prompting）可以通过提供示例来提高模型输出的准确性。本文将探讨如何结合工具调用与少样本提示来优化AI模型的计算能力，并通过代码示例展示实际应用。

主要内容

什么是少样本提示？

少样本提示是一种提供具体示例给模型的技术，以帮助模型更好地理解任务目标或约束。对于需要精确步骤的任务，如数学计算，少样本提示可以指导模型使用正确的方法。

工具调用

通过工具调用，我们可以将模型的计算任务外包给可靠的函数。LangChain库提供了绑定工具的功能，使得模型可以调用预定义的函数完成任务。

结合少样本提示与工具调用

通过提供示例，模型可以学习如何正确地调用工具，特别是在需要遵循特定操作顺序时。

代码示例

以下是一个完整的代码示例，演示如何使用少样本提示与工具调用：

from langchain_core.tools import tool
from langchain_openai import ChatOpenAI
from langchain_core.messages import AIMessage, HumanMessage, ToolMessage
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
import os

# 定义工具
@tool
def add(a: int, b: int) -> int:
    """Adds a and b."""
    return a + b

@tool
def multiply(a: int, b: int) -> int:
    """Multiplies a and b."""
    return a * b

tools = [add, multiply]

# API设置
os.environ["OPENAI_API_KEY"] = "your_openai_api_key"  # 请替换为你的API Key
llm = ChatOpenAI(model="gpt-3.5-turbo-0125", temperature=0)
llm_with_tools = llm.bind_tools(tools)

# 示例定义
examples = [
    HumanMessage("What's the product of 317253 and 128472 plus four", name="example_user"),
    AIMessage("", name="example_assistant", tool_calls=[{"name": "Multiply", "args": {"x": 317253, "y": 128472}, "id": "1"}]),
    ToolMessage("16505054784", tool_call_id="1"),
    AIMessage("", name="example_assistant", tool_calls=[{"name": "Add", "args": {"x": 16505054784, "y": 4}, "id": "2"}]),
    ToolMessage("16505054788", tool_call_id="2"),
    AIMessage("The product of 317253 and 128472 plus four is 16505054788", name="example_assistant"),
]

# 系统提示
system = "You are bad at math but are an expert at using a calculator. Use past tool usage as an example of how to correctly use the tools."

# 创建少样本提示
few_shot_prompt = ChatPromptTemplate.from_messages(
    [("system", system), *examples, ("human", "{query}")]
)

# 执行链
chain = {"query": RunnablePassthrough()} | few_shot_prompt | llm_with_tools
result = chain.invoke("Whats 119 times 8 minus 20").tool_calls
print(result)