ARTICLE · 1128970
【知识】langchain的3种提示词模板
【知识】langchain的3种提示词模板你将收获： 场景1：多语种翻译，提示词只想变一部分咋办？ 对应本文的PromptTemplate示例，设置系统提示词和人类提示词部分，以及半格式化提示词功能 场景2：回答风格不统一怎么办？ 希望某类问题回复风格统一，同时代码易维护、易读、易修改 对应FewShotPromptTemplate示例
本文目录 langchain要掌握哪些核心组件？ PromptTemplate示例 ChatPromptTemplate示例 FewShotPromptTemplate示例
langchain要掌握哪些核心组件？ 6个部分： 1、模型包装器（输入、输出） 2、数据连接 3、链 4、记忆 5、代理 6、中间件 
langchain的模型包装器包含3个部分： 提示词模板--模型封装--结果解析器
使用提示词模板管理提示词，好处是：易看、易懂、易复用维护 提示词模板有三种：LLM提示词、聊天提示词、少样本提示词 
记忆的话，就记住最基础的是PromptTemplate，聊天的模板就加一个Chat，变成ChatPromptTemplate PromptTemplate示例： 以翻译场景为例 
这里补充一个半格式化提示词 意思就是，有一半提示词的传参是固定的，另一半是可变的，这样一来可以一次输出多种结果 依然是用PromptTemplate这个类方法，只是多了一个参数input_variables来表明参数，用partitial方法来提前锁死其中一个参数 ChatPromptTemplate示例： 注意导包别导错了，不用刻意记，直接用鼠标点导入即可 模板这里写法，原来是PromptTemplate，现在是 ChatPromptTemplate.from_message([]) 为了防止写错，写系统提示词，直接用⬇️ SystemMessagePromptTemplate.from_template() 为了防止写错，写人类输入提示词，直接用⬇️ HumanMessagePromptTemplate.from_template() 
FewShotPromptTemplate示例： 这个模板是给模型一个示例，参照这个示例的格式回答。核心是 记住FewShotPromptTemplate 这个模板里面的参数，然后按照参数补齐所需要的内容即可。 
完整的代码如下
# 字符串提示词模板from langchain_community.chat_models import ChatTongyifrom langchain_core.prompts import PromptTemplatefrom dotenv import load_dotenvload_dotenv()# 1 创建模型客户端model = ChatTongyi()# 2 构建提示词# prompt = "你是谁？"# 字符串提示词模板prompt = PromptTemplate(template="你是一个翻译助手，请将以下内容翻译成{language}:{text}")# 传入参数fact_prompt = prompt.format(language="中文", text="I am a programmer, I'm learning langchain")result = model.invoke(fact_prompt)# 3 打印结果print(result.content)from langchain_community.chat_models import ChatTongyi # 别导错from langchain_core.prompts import PromptTemplatefrom dotenv import load_dotenvload_dotenv()# 1 模型客户端model = ChatTongyi()# 2 提示词prompt_txt = "讲一个关于{date}的小故事：{text}"prompt = PromptTemplate(template=prompt_txt,input_variables=["date","text"])# 3 传参half_prompt = prompt.partial(date="1999-1-10") # partial是langchain自带的函数，提前锁死某个变量print(half_prompt)result = model.invoke(half_prompt.format(text="一个幸福的爱情故事"))print(result.content)print('-'*50)result = model.invoke(half_prompt.format(text="一个悲伤的爱情故事"))print(result.content)# 4 打印from langchain_community.chat_models import ChatTongyifrom langchain_core.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplatefrom dotenv import load_dotenvload_dotenv()# 1 创建模型客户端model = ChatTongyi()# 2 构建提示词# prompt = "你是谁？"# 对话提示词模板prompt = ChatPromptTemplate.from_messages( [#("system","你是一个翻译助手，请将以下内容翻译成{language}：{text}"), SystemMessagePromptTemplate.from_template("你是一个翻译助手，请将以下内容翻译成{language}：{text}"),#("human","{text}"), HumanMessagePromptTemplate.from_template("{text}") ])# 传入参数fact_prompt = prompt.format(language="中文", text="I am a programmer, I'm learning langchain")result = model.invoke(fact_prompt)# 3 打印结果print(result.content)from langchain_community.chat_models import ChatTongyifrom langchain_core.prompts import PromptTemplate, FewShotPromptTemplatefrom dotenv import load_dotenvload_dotenv()# 1 大模型客户端client = ChatTongyi()# 2 构建提示词# 示例样本examples = [ {"input":"如何重置密码","output":"密码重置可以通过绑定邮箱重置密码，也可以通过手机号重置密码"}, {"input":"我的设备无法开机怎么办？","output":"故障排除步骤：1，可能是遥控器电池没电 2，确认电源状态 3，确认设备是否被锁屏"}, {"input":"这款产品是否有夜间模式","output":"这款不提供夜间模式，请选择xx款式的产品"},]# 提示词模板examples_prompt_tmplt_txt = "用户问题：{input}，AI回答：{output}"prompt_sample = PromptTemplate.from_template(examples_prompt_tmplt_txt)prompt = FewShotPromptTemplate( prefix="你是一个智能客服，能根据用户问题给出答案", # 提示词前缀 example_prompt=prompt_sample, # 提示词模板 examples=examples, # 示例样本 suffix="现在给你用户提问：{input}, 请告诉我对应的结果", # 提示词后缀 input_variables=["input"], # 输入变量)print(prompt.format(input="这款产品有防水模式吗？"))print('-'*50)# 3 传参数result = client.invoke(prompt.format(input="这款产品有防水模式吗？"))# 4 打印print(result.content)