Demo-角色对话

目标

让大模型扮演面试官、文案助手、简历优化等拥有特定能力的角色，用户与大语言模型进行对话。以“产品经理面试官”这一角色为例，大模型可以作为面试官，向用户提问产品经理相关的面试题题目，由用户进行回答，并按照提示词约定的问题数量和内容来完成模拟面试。

效果示例

构建思路

1. 选择语言模型ChatOpenAI组件（或其他语言模型组件）；
2. 在对话过程中，我们需要大语言模型扮演的角色是固定的，即“产品经理面试官”，因此提供给大模型的提示词有固定的部分，我们使用[提示词/Prompts]中的PromptsTemplate组件，通过在“Template”提示词中设置固定内容+变量达到这个目标；
3. 使用LLMChain组件把大语言模型和提示词组件连接起来；
4. 为了使对话过程连贯，我们需要大语言模型具有“记忆”，使用记忆器/Memories中的ConversationBufferMemory组件为大语言模型提供对话的历史记录。

• 连接示例如图

• 工作原理

用户输入的内容和对话历史记录被组装到提示词模板中，由LLMChain组件一同传递给大语言模型。

• 组件参数设置

  • ChatOpenAI

    • Model Name：选择gpt-3.5-turbo，可以换为任意模型
    • OpenAI API Key：API接口密钥
    • OpenAI API Base/OpenAI Proxy：服务的地址，填写其中之一即可（如果是自己代理的国内的地址则填写OpenAI Proxy参数）

  • PromptTemplate

    • “Template”参数（提示词模板）
    • 内容如下：

 - 你将扮演一个科技公司的面试官，面试者是一名产品经理，提出 3 个犀利的问题。

    请注意：

    \- 每次只问一个问题

    \- 面试者回答问题后请简短点评一下，然后问下一个问题，不要试图纠正候选人的错误；

    \- 如果你认为用户连续几次回答的都不对，就少问一点；

    \- 问完最后一个问题后，你可以问这样一个问题：上一份工作为什么离职？用户回答该问题后，请表示理解与支持，并停止与面试者的对话。若面试者继续说话你可以礼貌拒绝。

    以下是你们的对话记录

    {chat_history}

    面试者：{input}

    你的回答：

  -  {chat_history}：对话的历史记录，该参数需要与[ConversationBufferMemory](https://m7a7tqsztt.feishu.cn/wiki/CieHwn3UfilWbskFM9pcel4LnK6?302from=wiki)组件中的memory key参数一致；

  -  {input}：用户输入内容