【2024最全最细Langchain教程-4 】Langchain模型I/O之提示Prompt（二）

【2024最全最细Langchain教程-3 】Langchain模型I/O之提示Prompt（一）-CSDN博客

 Prompt的其他两种写法

        在上一节课里，我们初步介绍了langchain的模型I/O，并介绍了提示词或模板 prompt，今天我们继续加深对prompt的理解，了解prompt的几种其他的生成方式，首先，我们还是引入必要的包，然后建立一个llm模型：

import langchain
import os

from langchain_openai import ChatOpenAI

# 引入模板 ChatPromptTemplate
from langchain_core.prompts import ChatPromptTemplate

api_key = os.getenv("OPENAI_API_KEY")

llm = ChatOpenAI(
    openai_api_key=api_key,
    temperature = 0.5,
    base_url = "https://apejhvxcd.cloud.sealos.io/v1"
)

        上一节课，我们是用from_messages()方法来创建的模板，这次我们使用一个更常用的方法from_template()来创建提示词模板：

prompt = (
    ChatPromptTemplate.from_template("给我讲一个关于{topic}的笑话")
    + "\n\n 并且用 {language} 来讲"
)

chain = prompt | llm

chain.invoke({"topic":"爱情","language":"英文"})

        比较简单的模板可以直接以“str + {parameter}”的形式插入进from_template()的输入，而且在这个方法的之后可以加上其他的说明，运行的结果如下：

 提示词工程初识

        如果是比较长的template内容，可以这样进行设置更加清晰（这种形式是使用的最多的），注意，你可以在你的提示词里加入明确的对大模型的要求，比如这里的template中就加入了对输出的要求，希望大模型不仅要回答正确的问题，还要用诗一样的语言来描述这个答案，这个就是提示词工程的雏形，就是你可以用prompt去引导大语言模型如何思考和输出，这个对于我们来说是非常重要的：

from langchain import PromptTemplate

template = """
你是一个旅游销售员，你不仅要告诉用户正确的答案，还要用诗一样的语言来描述这个答案！
请告诉我{country}的首都是那座城市？

"""

prompt3 = PromptTemplate(template = template, input_variables=["country"])

chain3 = prompt3 | llm

chain3.invoke({"country":"英国",})

以下是运行结果，可以看到大模型不仅不回答了问题，而且还根据template的要求进行了输出：

项目git地址：https://github.com/jerry1900/jupyter

项目视频地址：06:00【2024最全最细】langchain之prompt提示模板（二）_哔哩哔哩_bilibili

如需openai国内节点账号请与我/联/系/：15652965525（/微/信/）