语言模型
语言模型将文本作为输入，这个文本通常被称为“提示”（prompt）。通常情况下，提示不是简单的硬编码字符串，而是由模板、示例和用户输入组成的组合。
LangChain 提供了多个类和函数，以便轻松构建和处理提示。什么是提示模板？
提示模板是指一种可复制的生成提示的方式。它包含一个文本字符串（“模板”），可以从最终用户那里接收一组参数并生成提示。
提示模板可以包含：
- 对语言模型的指令
- 一组 few-shot 示例，以帮助语言模型生成更好的回答
- 对语言模型的问题
以下是一个简单的示例：
from langchain import PromptTemplate
template = """
/You are a naming consultant for new companies.
What is a good name for a company that makes {product}?
"""
prompt = PromptTemplate.from_template(template)
prompt.format(product="colorful socks")
输出：
You are a naming consultant for new companies.
What is a good name for a company that makes colorful socks?
创建提示模板
您可以使用 PromptTemplate 类创建简单的硬编码提示。提示模板可以接受任意数量的输入变量，并且可以进行格式化以生成提示。
from langchain import PromptTemplate
# 一个没有输入变量的示例提示
no_input_prompt = PromptTemplate(input_variables=[], template="告诉我一个笑话。")
no_input_prompt.format()
# -> "告诉我一个笑话。"
# 一个带有一个输入变量的示例提示
one_input_prompt = PromptTemplate(input_variables=["adjective"], template="告诉我一个{adjective}的笑话。")
one_input_prompt.format(adjective="好笑")
# -> "告诉我一个好笑的笑话。"
# 一个带有多个输入变量的示例提示
multiple_input_prompt = PromptTemplate(
input_variables=["adjective", "content"],
template="告诉我一个{adjective}关于{content}的笑话。"
)
multiple_input_prompt.format(adjective="好笑", content="鸡")
# -> "告诉我一个好笑关于鸡的笑话。"
如果不想手动指定输入变量，还可以使用 from_template 类方法创建 PromptTemplate。LangChain 将根据传入的模板自动推断输入变量。
template = "告诉我一个{adjective}关于{content}的笑话。"
prompt_template = PromptTemplate.from_template(template)
prompt_template.input_variables
# -> ['adjective', 'content']
prompt_template.format(adjective="好笑", content="鸡")
# -> 告诉我一个好笑关于鸡的笑话。
您可以创建自定义的提示模板，以任何您想要的方式格式化提示。有关更多信息，请参阅自定义提示模板。
聊天提示模板
聊天模型以一个聊天消息列表作为输入，这个列表通常被称为“提示”（prompt）。
与原始字符串不同的是，这些聊天消息有一个角色（role）。例如，在 OpenAI 的 Chat Completion API 中，聊天消息可以与 AI、人类或系统角色关联。模型应更加密切地遵循系统聊天消息中的指示。
LangChain 提供了几个提示模板，以便更轻松地构建和处理提示。建议在查询聊天模型时使用这些与聊天相关的提示模板，以充分发挥底层聊天模型的潜力。
from langchain.prompts import (
ChatPromptTemplate,
PromptTemplate,
SystemMessagePromptTemplate,
AIMessagePromptTemplate,
HumanMessagePromptTemplate,
)
from langchain.schema import (
AIMessage,
HumanMessage,
SystemMessage,
)
要创建与角色相关联的消息模板，您可以使用 MessagePromptTemplate。为方便起见，模板上公开了一个 from_template 方法。如果您要使用该模板，它看起来是这样的：
template="您是一个有帮助的助手，可以将 {input_language} 翻译成 {output_language}。"
system_message_prompt = SystemMessagePromptTemplate.from_template(template)
human_template="{text}"
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
如果您希望直接构建 MessagePromptTemplate，您可以在外部创建一个 PromptTemplate，然后将其传递进去，例如：
prompt = PromptTemplate(
template="您是一个有帮助的助手，可以将 {input_language} 翻译成 {output_language}。",
input_variables=["input_language", "output_language"],
)
system_message_prompt_2 = SystemMessagePromptTemplate(prompt=prompt)
assert system_message_prompt == system_message_prompt_2
之后，您可以从一个或多个 MessagePromptTemplates 构建 ChatPromptTemplate。您可以使用 ChatPromptTemplate 的 format_prompt 方法，它返回一个 PromptValue，您可以将其转换为字符串或 Message 对象，具体取决于您是否希望将格式化后的值用作输入传递给 llm 或聊天模型。
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
# 从格式化的消息中获取聊天完成
chat_prompt.format_prompt(input_language="英语", output_language="法语", text="我喜欢编程。").to_messages()
# -> [SystemMessage(content='您是一个有帮助的助手，可以将英语翻译成法语。', additional_kwargs={}), HumanMessage(content='我喜欢编程。', additional_kwargs={})]
Amazing Webpilot, telling friends!
