langchain-提示词模板的用法

1. 基本提示词模板：PromptTemplate

模板依赖包及导入方式

langchain0.1版本，组件langchain.prompts;
    from langchain.prompts import PromptTemplate
langchain0.2及以上版本，调整架构，组件langchain_core.prompts
    from langchain_core.prompts import PromptTemplate
    

PromptTemplate 构造方法的参数及其使用

参数名	类型	是否必传	核心作用
template	str	必传	提示词模板字符串，包含{变量名}占位符
input_variables	list[str]	可选	模板中所有占位符的名称列表，用于校验参数完整性
template_format	f-string/jinja2	可选	模板解析格式，默认f-string
validate_template	f-string/jinja2	可选	是否校验模板中占位符与input_variables匹配，默认True；具体项目中也无需修改为false,可忽略此参数
partial_variables	dict	可选	部分固定参数

template + input_variables + template_format="f-string"(参数默认，可缺省)的使用

一个占位符

from langchain_core.prompts import PromptTemplate

# {varliable}是一个占位符，可通过接口修改，改变输入内容
tmp = """ 我是一位{varliable}初学者 """ 

prompt_template = PromptTemplate(
   template = tmp,
   input_variables = ["varliable"] # 列表类型
)

""" 给占位符赋值的一种方式，langchain1.0前的用法; .format返回值是str类型
final_prompt = prompt_template.format(varliable="AI应用")
print(final_prompt)
"""

# 给占位符赋值的另一种方式，langchain1.0后的用法，给占位符赋值；PromptTemplate的.invoke()返回值是StringPromptValue封装纯文本提示词，可通过.text获取字符串

result = prompt_template.invoke( {"varliable":"AI应用"} ) 
print(result.text)

# 输出  我是一位AI应用初学者

多个占位符

from langchain_core.prompts import PromptTemplate

tmp = """ 我是一位{varliable}初学者，练习时长{learnLenth} """ 

prompt_template = PromptTemplate(
   template = tmp,
   input_variables = ["varliable","learnLenth"] # 列表类型
)

result = prompt_template.invoke( {"varliable":"AI应用","learnLenth":"两年半"} ) 

print(result.text)

# 输出  我是一位AI应用初学者,练习时长两年半

template_format 'jinja2'的使用

f-string	jinja2	功能
{varliable}	{{varliable}}	占位符
	{% if 条件 %} {% endif %}	条件判断
	{% for 元素 in 列表 %} {% endfor %}	循环语句

jinja2

from langchain_core.prompts import PromptTemplate

# {{varliable}}是一个占位符，可通过接口修改，改变输入内容
tmp = """ 我是一位{{varliable}}初学者 """

prompt_template = PromptTemplate(
    template = tmp,
    input_variables=["varliable"],
    template_format="jinja2"
)

result = prompt_template.invoke({"varliable":"AI应用"})

print(result.text)

{% if 条件 %} {% endif %}

from langchain_core.prompts import PromptTemplate

tmp = """
你是一名{{role}}，为{{user_type}}撰写文案
{% if user_type == "学生" %}
要求：语言活泼，突出性价比，不超过80字
{% elif user_type == "职场人" %}
要求：语言专业，突出效率，不超过100字。
{% else %}
要求：通用风格，简洁明了，不超过90字。
{% endif %}
产品：{{product}}，卖点：{{selling_point}}
"""
prompt_template = PromptTemplate(
    template = tmp,
    input_variables=["role","user_type","product","selling_point"],
    template_format="jinja2"
)

result = prompt_template.invoke({"role":"专家","user_type":"学生","product":"蓝牙耳机","selling_point":"省电"})

print(result.text)

# 输出：你是一名专家，为学生撰写文案 要求：语言活泼，突出性价比，不超过80字 产品：蓝牙耳机，卖点：省电


result = prompt_template.invoke({"role":"专家","user_type":"职场人","product":"蓝牙耳机","selling_point":"省电"})

print(result.text)

# 输出：你是一名专家，为职场人撰写文案  要求：语言专业，突出效率，不超过100字。 产品：蓝牙耳机，卖点：省电

result = prompt_template.invoke({"role":"专家","user_type":"学者","product":"蓝牙耳机","selling_point":"省电"})

# 输出：你是一名专家，为学者撰写文案  要求：通用风格，简洁明了，不超过90字。 产品：蓝牙耳机，卖点：省电

{% for 元素 in 列表 %}

from langchain_core.prompts import PromptTemplate

template = """
    {% for trunk in trunks %}
    -   {{trunk}}
    {% endfor %}
"""

prompt_template = PromptTemplate(
    template=template,
    input_variables=["trunks"],
    template_format="jinja2"
)

result = prompt_template.invoke({"trunks":["北京今天多云", "气温10-20℃", "微风"]})

print(result.text)

""" 输出
-   北京今天多云

-   气温10-20℃

-   微风
"""

partial_variables 的使用

from langchain_core.prompts import PromptTemplate

tmp = """ 我是一位{varliable}初学者，练习时长{learnLenth} """ 

prompt_template = PromptTemplate(
   template = tmp,
   input_variables = ["varliable","learnLenth"], # 列表类型
   partial_variables={"learnLenth":"两年半"}   # 固定 learnLenth 参数值
)

result = prompt_template.invoke( {"varliable":"AI应用"} ) 

print(result.text)

# 输出  我是一位AI应用初学者,练习时长两年半