人工智能第五课课后思考题 | 豆包MarsCode AI刷题LangChain中的PromptTemplate实现与应

LangChain中的PromptTemplate实现与应用

一、PromptTemplate的参数解析

在LangChain中，PromptTemplate是构建提示文本的核心组件。除了常见的input_variables和template参数外，还有两个重要的参数：template_format和validate_template。

template_format
template_format指定了提示模板的格式，默认值为“f-string”，但也可以设置为“jinja2”。这使得开发者能够使用更灵活和功能强大的模板引擎。例如，Jinja2支持条件语句、循环等，可以更加灵活地生成复杂的文本。
validate_template
validate_template用于控制是否验证模板的有效性。默认为True，启用该功能将确保模板在使用之前是有效的。如果模板存在语法错误或不符合预期的格式，系统将抛出异常。这可以帮助开发者在开发阶段就发现潜在问题，提高程序的稳定性。

二、使用template_format与validate_template

接下来，我们将通过一个简单的示例来演示如何使用这些参数。我们将创建一个使用Jinja2格式的模板，并启用模板验证。

python复制代码
from langchain.prompts import PromptTemplate

# 使用Jinja2格式的PromptTemplate
template = """
{% if flower_type %}
    你好！{{ customer_name }}，你想了解关于 {{ flower_type }} 的信息吗？
{% else %}
    你好！{{ customer_name }}，请问有什么我可以帮助你的呢？
{% endif %}
"""

prompt_template = PromptTemplate(
    template=template,
    template_format="jinja2",
    input_variables=["customer_name", "flower_type"],
    validate_template=True
)

print(prompt_template.format(customer_name="小红", flower_type="玫瑰"))

这个示例展示如何利用Jinja2的条件语句生成功能强大的提示。当客户询问特定花卉时，系统会自动识别并给予对应的回答。

三、构建PipelinePromptTemplate与自定义Template

PipelinePromptTemplate

在一些复杂的情境中，我们可能需要设计多个步骤的对话流程。PipelinePromptTemplate可用于管理这样的多步骤过程。

python复制代码
from langchain.prompts import PipelinePromptTemplate

pipeline_template = PipelinePromptTemplate(
    templates=[
        SystemMessagePromptTemplate("你是一个鲜花店的客服助手。"),
        HumanMessagePromptTemplate("你好，我想知道关于{{ flower_type }}的信息。"),
        AIMessagePromptTemplate("当然，{{ flower_type }}的价格是{{ price }}元。")
    ],
    input_variables=["flower_type", "price"]
)

print(pipeline_template.format(flower_type="玫瑰", price="100"))

这个示例展示了如何使用PipelinePromptTemplate组合不同的消息，以便形成一段完整的对话。

四、少样本学习任务构想

场景描述

假设我们有一家鲜花店，客户经常会咨询各种问题，例如鲜花的价格、推荐合适的花卉、了解如何保养花卉等。为了提高客户服务的效率，我们希望通过少样本学习来训练模型，使其能够迅速理解并回答客户的问题。

示例对话

我们将为模型提供几个示例对话，以帮助其学习如何回应客户的提问。

plaintext复制代码
1. 客户：请问玫瑰花的价格是多少？
   客服：您好，玫瑰花的价格是100元每束。

2. 客户：您能推荐一下适合送人的花吗？
   客服：当然，我推荐您选择百合花，寓意美好，非常适合赠送。

3. 客户：鲜花的保养方法是什么？
   客服：一般来说，要保持鲜花的新鲜，建议每天换水，并避免阳光直射。

ChatModel的实现

我们将使用ChatOpenAI来构建客服机器人，让其能够根据示例进行学习。

python复制代码
from langchain.chat_models import ChatOpenAI
from langchain import ChatPromptTemplate

# 创建ChatPromptTemplate
chat_prompt_template = ChatPromptTemplate.from_messages([
    SystemMessagePromptTemplate("你是一个鲜花店的客服助手。"),
    HumanMessagePromptTemplate("{customer_query}"),
    AIMessagePromptTemplate("好的，我会帮你解决这个问题。")
])

# 初始化ChatOpenAI模型
chat_model = ChatOpenAI(model="gpt-3.5-turbo")

# 进行一次对话
customer_query = "请问我可以送什么花给我的朋友？"
response = chat_model([chat_prompt_template.format(customer_query=customer_query)])
print(response)

人工智能第五课 课后思考题 | 豆包MarsCode AI刷题