【自然语言处理与大模型】LangChain大模型应用框架入门②
本文介绍LangChain的另一个重要组件——提示词模板（Prompt Template）组件，它主要用于将用户输入和参数转换为语言模型可理解的指令。有助于引导模型生成符合预期的响应，帮助其更好地理解上下文，从而输出相关且连贯的语言结果。提示词模板的输入是一个字典，其中每个键对应模板中需要填充的变量名。输出是一个 PromptValue 对象。该对象可以直接传递给语言模型（LLM）或聊天模型（ChatModel），也可以转换为字符串或消息列表。引入 PromptValue 的目的是为了在字符串格式和消息格式之间灵活切换，提升使用的便捷性。
简单介绍过后我们就可以开始学习两个重要的prompt类了，LangChain Prompt一共有四个类，但我觉得先学会两个重要的再说。
| 提示词模版 | 功能描述 |
|---|---|
| PromptTemplate | 定义基础提示词模板，支持变量替换 |
| FewShotPromptTemplate | 支持注入少量示例（few-shot learning）以引导模型输出 |
| PipelinePromptTemplate | 支持将多个 Prompt 模板组合串联使用 |
| ChatPromptTemplate | 针对 ChatModel 设计的消息格式封装，适用于对话模型 |
（1）基础提示词模板
基础提示词模板定义一个带变量的模板，你要替换的变量用 {{ }} 包裹住就行。
from langchain.prompts import PromptTemplatetemplate = "请回答以下问题：{question}"
prompt = PromptTemplate.from_template(template)# 使用
print(prompt.format(question="什么是人工智能？"))
# 输出是“请回答以下问题：什么是人工智能？”
（2）对话提示词模板
对话提示词模板用于构造符合聊天模型格式的消息结构，之前的版本是用SystemMessage, HumanMessage类来构建的，现在可以用更简单的方式，使用元组并且第一个元素放上“对话角色”就可以了。
from langchain.prompts import ChatPromptTemplateprompt = ChatPromptTemplate.from_messages([("system", "你是一个知识丰富的助手。"),("human", "请介绍：{topic}")
])# 使用
messages = prompt.format(topic="深度学习")
print(messages)