开源模型应用落地-LangChain实用小技巧-使用文件管理Prompt模版（六）

开源技术探险家

已于 2024-08-15 13:06:27 修改

阅读量3.8k

点赞数 131

分类专栏： # 开源大语言模型-新手试炼文章标签： langchain 自然语言处理深度学习

于 2024-08-15 08:30:00 首次发布

本文链接：https://blog.csdn.net/qq839019311/article/details/141194676

版权

开源大语言模型-新手试炼专栏收录该内容

30 篇文章 178 订阅

订阅专栏

一、前言

使用文件管理提示词模板可以带来多方面的好处:它有助于提高代码的可读性和可维护性，它能确保在不同的文件操作中使用一致的提示格式和参数传递方式，同时模板也便于扩展和复用。总的来说,采用文件管理提示词模板是一种非常值得推广的最佳实践。

二、术语

2.1.提示词模板

是一种预先定义好的结构或格式，用于指导和规范生成特定类型的提示或指令。它通常包含一些固定的文本部分和占位符，占位符可以在使用时被具体的值或信息所替换。例如，“请分析[文本内容]中的情感倾向”，这里“[文本内容]”就是一个占位符。

使用文件管理提示词模板的好处

提高代码的可读性和可维护性：通过使用清晰定义的模板，使得文件管理相关的代码逻辑更加直观，易于理解和修改
一致性和标准化：确保在不同的文件管理操作中使用一致的提示格式和参数传递方式，有助于减少错误和不一致性
便于扩展和复用：可以方便地创建新的模板来支持新的文件管理需求，或者在不同的项目中复用现有的模板
提高开发效率：减少了重复编写相似代码的工作量，让开发者能够更快速地实现文件管理功能。

使用文件管理提示词模板的步骤

定义提示词模板：明确想要实现的文件管理操作的具体需求，例如读取文件、写入文件、删除文件等，并根据这些需求创建相应的提示词模板
加载和设置模板：在代码中，使用 LangChain 提供的相关接口或方法来加载和设置定义好的提示词模板。
传递参数：根据模板中定义的占位符，传递相应的具体参数值，以指定具体的文件操作细节。

三、前提条件

3.1. 基础环境

操作系统：不限

3.2. 安装虚拟环境

conda create --name langchain python=3.10
conda activate langchain
pip install langchain langchain-openai langchain-community

四、技术实现

4.1.JSON文件示例

prompt_example.json

{
    "_type":"prompt",
    "input_variables":["region","num"],
    "template":"{region}有什么好玩的地方，请推荐{num}个。"
}

具体代码：

# -*- coding: utf-8 -*-
from langchain_core.prompts import load_prompt

if __name__ == '__main__':
    prompt = load_prompt("prompt_example.json")
    print(prompt)
    print(prompt.format(region="广州", num="1"))

    print(prompt.format(region="深圳", num="3"))

调用结果：

4.2.yaml文件示例

prompt_example.yaml

_type: prompt
input_variables:
    ["region","num"]
template:
    "{region}有什么好玩的地方，请推荐{num}个。"

具体代码：

# -*- coding: utf-8 -*-
from langchain_core.prompts import load_prompt

if __name__ == '__main__':
    prompt = load_prompt("prompt_example.yaml")
    print(prompt)
    print(prompt.format(region="广州", num="1"))

    print(prompt.format(region="深圳", num="3"))

调用结果：

4.3.完整示例

# -*- coding: utf-8 -*-
import os

from langchain_core.prompts import load_prompt
from langchain_openai import ChatOpenAI

os.environ["OPENAI_API_KEY"] = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

if __name__ == '__main__':
    prompt = load_prompt("prompt_example.yaml")

    prompt = prompt.format(region="广州", num="1")
    
    llm = ChatOpenAI(model_name='gpt-3.5-turbo-1106', temperature=0.1, max_tokens=512)


    print(llm.invoke(prompt))

调用结果：