LangChain使用Prompt02

最新推荐文章于 2025-03-19 16:59:59 发布

科研小达人

最新推荐文章于 2025-03-19 16:59:59 发布

阅读量828

点赞数 4

文章标签： langchain 前端

本文链接：https://blog.csdn.net/weixin_43231756/article/details/142823303

版权

1.设置提示

from langchain.prompts import ChatPromptTemplate
prompt_template = ChatPromptTemplate.from_messages(
    [
        ("system", "你是一位专业的翻译，能够将{input_language}翻译成{output_language}，并且输出文本会根据用户要求的任何语言风格进行调整。请只输出翻译后的文本，不要有任何其它内容。"),
        ("human", "文本：{text}\n语言风格：{style}"),
    ]
)

2.输出提示模板

prompt_template.input_variables

[‘input_language’, ‘output_language’, ‘style’, ‘text’]

3.提示中输入值

prompt_value = prompt_template.invoke({"input_language": "英语", "output_language": "汉语", 
                                       "text":"I'm so hungry I could eat a horse", "style": "文言文"})
prompt_value

ChatPromptValue(messages=[SystemMessage(content=‘你是一位专业的翻译，能够将英语翻译成汉语，并且输出文本会根据用户要求的任何语言风格进行调整。请只输出翻译后的文本，不要有任何其它内容。’), HumanMessage(content=“文本：I’m so hungry I could eat a horse\n语言风格：文言文”)])

4.取出提示

prompt_value.messages

[SystemMessage(content=‘你是一位专业的翻译，能够将英语翻译成汉语，并且输出文本会根据用户要求的任何语言风格进行调整。请只输出翻译后的文本，不要有任何其它内容。’),
HumanMessage(content=“文本：I’m so hungry I could eat a horse\n语言风格：文言文”)]

5.输入模型

model = ChatOpenAI(model="gpt-3.5-turbo",base_url="https://api.chatanywhere.tech/v1")
response = model.invoke(prompt_value)

6.获得结果

response

AIMessage(content=‘吾今飢極，如欲食馬也。’, additional_kwargs={‘refusal’: None}, response_metadata={‘token_usage’: {‘completion_tokens’: 17, ‘prompt_tokens’: 109, ‘total_tokens’: 126, ‘completion_tokens_details’: {‘reasoning_tokens’: 0}}, ‘model_name’: ‘gpt-3.5-turbo-0125’, ‘system_fingerprint’: None, ‘finish_reason’: ‘stop’, ‘logprobs’: None}, id=‘run-9d752bd9-468e-4fe1-9ff9-e379561c957b-0’, usage_metadata={‘input_tokens’: 109, ‘output_tokens’: 17, ‘total_tokens’: 126})

7.取出结果

response.content

‘吾今飢極，如欲食馬也。’

8.多行示例

input_variables = [
    {
        "input_language": "英语",
        "output_language": "汉语",
        "text": "I'm so hungry I could eat a horse",
        "style": "文言文"
    },
    {
        "input_language": "法语",
        "output_language": "英语",
        "text": "Je suis désolé pour ce que tu as fait",
        "style": "古英语"
    },
    {
        "input_language": "俄语",
        "output_language": "意大利语",
        "text": "Сегодня отличная погода",
        "style": "网络用语"
    },
    {
        "input_language": "韩语",
        "output_language": "日语",
        "text": "너 정말 짜증나",
        "style": "口语"
    }
]

10.输入模型

for input in input_variables:
    response = model.invoke(prompt_template.invoke({"input_language": input["input_language"], "output_language": input["output_language"], 
                                                    "text":input["text"], "style": input["style"]}))
    print(response.content)