使用Langchain和PromptTemplate模板高效提取用户输入的日程事件

1. 理解PromptTemplate:

   • PromptTemplate是一个类或函数，可能用于生成提示或模板化的代码片段。

2. from_template方法的作用:

   • 这个方法可能是用来从一个完整的模板字符串生成一个PromptTemplate实例。

3. 模板化的重要性:

   • 模板化是软件开发中的一种常见实践，它允许开发者创建可重用的代码结构。

4. 使用模板的优点:

   • 代码重用：减少重复代码，提高开发效率。
   • 一致性：确保代码风格和结构的一致性。
   • 可维护性：简化代码的修改和维护。
5. 示例代码：

   import os
   import getpass
   from langchain_openai import ChatOpenAI
   
   from langchain.chains import LLMChain
   from langchain.memory import ConversationBufferMemory
   from langchain_community.chat_models import ChatZhipuAI
   from langchain_core.prompts.prompt import PromptTemplate
   
   model_zhipu =ChatOpenAI(
       temperature=0.4,
       model="glm-4",
       openai_api_key=api_key,   #api_key自定义
       openai_api_base="https://open.bigmodel.cn/api/paas/v4/"
   )
   
   full_template = """
   {system_prompt}
   
   {input_msg}
   """
   
   full_prompt = PromptTemplate.from_template(full_template)
   
   system_prompt = """
   忽略之前的所有消息记录。
   你是一个日程提取助手。
   
   日程严格按照以下json格式提取，并且仅回复该json。
   [
   {"date"：""，"task"：""，"location":"" }
   {"date"：""，"task"：""，"location"：""}
   ]
   用中文回复
   必须严格按照上述格式回复，若date，task，location任何一项未能识别，则用“”取代。
   """
   
   input_msg = """
   {
   用户id：“001”
   日期：“2024/07/12”；
   周几：“周五”，
   部门名称："门店部"，
   用户昵称：“小李”，
   用户别名：“木子”
   原文：“本月我们要完成所有门店的新一轮盘点，新天地店，银泰店店库存特别多要好好盘点，15号要交上来。还有几个门店的业绩下降的，我们需要重点关注，把每个门店的销量做上去，争取8.1号能实现20%的业绩增长。
   小李，这个库存盘点的事情交给你，你好好安排下去。门店部在8.1日的时候需要做一次全公司的汇报。” “木子，加油啊！你就快升职加薪了！”.另外看看15号有哪些计划安排
   }
   """
   
   llm_chain = LLMChain(prompt=full_prompt, llm=model_zhipu)
   
   response= llm_chain.invoke({"system_prompt":system_prompt,"input_msg":input_msg})
   print(response)
   
   如果使用上面的代码，可以使用通过数据库导入prompt来代替修改prompt。做到灵活可控和多性态

   6，上面将用户输入信息的提取日程的示例。