新开三端互通传奇网站专业关键词排名优化软件

原文地址：【LangChain系列 11】Prompt模版——拼装组合

本文速读：

• 多prompt模版组合

• 单prompt模版拼装

在平常业务开发中，我们常常需要把一些公共模块提取出来作为一个独立的部分，然后将业务中去将这些模块进行组合。在LLM应用开发中，我们也会需要采用这种思想，比如将一些公共的promt模版独立出来，这样prompt模版就可以更好地复用，减少不必要的代码，保持代码和逻辑的简洁。

LangChain对prompt模版的组合提供两种方式：

1. 针对多个prompt模版进行组合。

2. 将多个部分拼装成一个prompt模版。

01 多prompt模版组合

---

LangChain提供了PipelinePrompt来进行多prompt模版组合。一个PipelinePrompt包含两个部分：

• 最终的prompt模版：最终生成的prompt模版。

• 待组合的prompt模版：它是一个列表，列表里的每一项包含一个名字和一个prompt模版。

如下面代码所示，full_prompt就是最终的 prompt模版，input_prompts就是 待组合的prompt模版；将input_prompts中的prompt模版最终组合成了full_prompt。

from langchain.prompts.pipeline import PipelinePromptTemplate
from langchain.prompts.prompt import PromptTemplatefull_template = """{introduction}{example}{start}"""
full_prompt = PromptTemplate.from_template(full_template)introduction_template = """You are impersonating {person}."""
introduction_prompt = PromptTemplate.from_template(introduction_template)example_template = """Here's an example of an interaction: Q: {example_q}
A: {example_a}"""
example_prompt = PromptTemplate.from_template(example_template)start_template = """Now, do this for real!Q: {input}
A:"""
start_prompt = PromptTemplate.from_template(start_template)input_prompts = [("introduction", introduction_prompt),("example", example_prompt),("start", start_prompt)
]
pipeline_prompt = PipelinePromptTemplate(final_prompt=full_prompt, pipeline_prompts=input_prompts)
print(pipeline_prompt.input_variables)

输出结果：

['example_a', 'person', 'example_q', 'input']

执行下面代码：

print(pipeline_prompt.format(person="Elon Musk",example_q="What's your favorite car?",example_a="Tesla",input="What's your favorite social media site?"
))

输出结果：

    You are impersonating Elon Musk.Here's an example of an interaction: Q: What's your favorite car?A: TeslaNow, do this for real!Q: What's your favorite social media site?A:

02 单prompt模版拼装

---

单prompt模版拼装是指将多个部分拼装成一个完整的prompt模版，一般来说是将字符串与prompt模版拼成一个新的prompt模版。下面主要介绍字符串prompt模版和对话prompt模版这两种模版的拼装，通过两个代码示例来介绍它们的用法。

字符串prompt模版

在下面代码中，将一个字符串prompt模版和两个字符串通过 + 拼装起来。

from langchain.prompts import PromptTemplateprompt = (PromptTemplate.from_template("Tell me a joke about {topic}")+ ", make it funny"+ "\n\nand in {language}"
)
print(prompt)

输出结果：

PromptTemplate(input_variables=['language', 'topic'], output_parser=None, partial_variables={}, template='Tell me a joke about {topic}, make it funny\n\nand in {language}', template_format='f-string', validate_template=True)

执行代码：

print(prompt.format(topic="sports", language="spanish"))

输出结果：

'Tell me a joke about sports, make it funny\n\nand in spanish'

同样，我们可以在LLMChain中使用这个拼装的prompt。

from langchain.chat_models import ChatOpenAI
from langchain.chains import LLMChainmodel = ChatOpenAI(openai_api_key="xxx")
chain = LLMChain(llm=model, prompt=prompt)
chain.run(topic="sports", language="spanish")

执行代码，输出结果：

'¿Por qué el futbolista llevaba un paraguas al partido?\n\nPorque pronosticaban lluvia de goles.'

对话prompt模版

在下面代码中，将对话prompt中的Message和字符串通过 + 进行拼装，形成一个新的prompt模版，不仅可以将Message进行拼装，而且可以将MessagePrompt进行拼装，不过先要将MessagePrompt中的变量进行赋值。

from langchain.prompts import ChatPromptTemplate, HumanMessagePromptTemplate
from langchain.schema import HumanMessage, AIMessage, SystemMessageprompt = SystemMessage(content="You are a nice pirate")
new_prompt = (prompt+ HumanMessage(content="hi")+ AIMessage(content="what?")+ "{input}"
)print(new_prompt.format_messages(input="i said hi"))

输出结果：

[SystemMessage(content='You are a nice pirate', additional_kwargs={}),HumanMessage(content='hi', additional_kwargs={}, example=False),AIMessage(content='what?', additional_kwargs={}, example=False),HumanMessage(content='i said hi', additional_kwargs={}, example=False)]

同样地，可以在LLMChain中使用它：

from langchain.chat_models import ChatOpenAI
from langchain.chains import LLMChainmodel = ChatOpenAI(openai_api_key="xxx")
chain = LLMChain(llm=model, prompt=new_prompt)
chain.run("i said hi")

执行代码，输出结果：

'Oh, hello! How can I assist you today?'

本文小结

本文主要介绍了prompt模版的拼装组合，既可以将多个prompt模版进行组合，也可以对单个prompt模版进行拼装。

 更多最新文章，请关注公众号：大白爱爬山