LangChain学习（四）我正在参加「豆包MarsCode AI练中学体验活动」详情请看：掘金小册上线 AI练中学功能

我正在参加「豆包MarsCode AI练中学体验活动」详情请看：掘金小册上线 AI练中学功能 | 你的 AI 编程助教喊你免费领小册啦！

提示词模板

提示词模板（PromptTemplate类）提供了可重用（重复用）提示词的机制。用户通过传递一组参数给模板，实例化图一个提示词。一个提示模板可以包含：

A 对语言模型的指令
B 一组少样本示例，以帮助语言模型生成更好的回复
C 向语言模型提出的问题

提示词模板

from langchain import PromptTemplate
template = """
你精通多种语言，是专业的翻译官。你负责{src_lang}到{dst_lang}的翻译工作。
"""
prompt = PromptTemplate.from_template(template)
prompt.format(src_lang="英文", dst_lang="中文")

类似类似
multiple_input_prompt = PromptTemplate(
input_variables=["color", "animal"],
template="A {color} {animal} ."
)
multiple_input_prompt.format(color="black", animal="bear")

PromptTemplate（提示词模板）类是 LangChain 提供的模版基础类，它接收两个参数：

input_variables - 输入变量
template - 模版

聊天提示词模板

from langchain.prompts import (
ChatPromptTemplate,
PromptTemplate,
SystemMessagePromptTemplate,
AIMessagePromptTemplate,
HumanMessagePromptTemplate,
)
from langchain.schema import (
AIMessage,
HumanMessage,
SystemMessage
)
system_template="You are a professional translator that translates {src_lang} to {dst_lang}."system_message_prompt = SystemMessagePromptTemplate.from_template(system_template)
human_template="{user_input}"human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)
chat_prompt = ChatPromptTemplate.from_messages([system_message_prompt, human_message_prompt])
chat_prompt.format_prompt(
src_lang="English",
dst_lang="Chinese",
user_input="Did you eat in this morning?"
).to_messages()

SystemMessagePromptTemplate是基于系统级的提示词，用于命令AI要做什么，不要做什么。此处担任翻译官，将英文翻译成中文。 HumanMessagePromptTemplate是用户输入的提示词。然后用to_messages()用于跟ChatGPT的交互

样本选择器

LangChain 提供了样本选择器的基础接口类 BaseExampleSelector，每个选择器类必须实现的函数为 select_examples。
LangChain 实现了若干基于不同应用场景或算法的选择器：

LengthBasedExampleSelector
MaxMarginalRelevanceExampleSelector
NGramOverlapExampleSelector
SemanticSimilarityExampleSelector 以基于长度的样本选择器（输入越长，选择的样本越少；输入越短，选择的样本越多） LengthBasedExampleSelector 为例：

from langchain.prompts import PromptTemplatefrom langchain.prompts import FewShotPromptTemplatefrom langchain.prompts.example_selector import LengthBasedExampleSelector# These are a lot of examples of a pretend task of creating antonyms.examples = [
    {"input": "happy", "output": "sad"},
    {"input": "tall", "output": "short"},
    {"input": "energetic", "output": "lethargic"},
    {"input": "sunny", "output": "gloomy"},
    {"input": "windy", "output": "calm"},
]
example_prompt = PromptTemplate(
    input_variables=["input", "output"],
    template="Input: {input}\nOutput: {output}",
)
example_selector = LengthBasedExampleSelector(
    # 可选的样本数据examples=examples, 
    # 提示词模版example_prompt=example_prompt, 
    # 格式化的样本数据的最大长度，通过get_text_length函数来衡量max_length=25
)
dynamic_prompt = FewShotPromptTemplate(
    example_selector=example_selector,
    example_prompt=example_prompt,
    prefix="Give the antonym of every input",
    suffix="Input: {adjective}\nOutput:", 
    input_variables=["adjective"],
)