LangChain：模型I/O之提示词模板

LangChain 的提示词模板（Prompt Templates）是一组预定义或可自定义的模板，用于动态生成提示词（Prompts），帮助开发者更高效地与语言模型交互。

官网：LangChain #prompts

什么是提示词

提示词模板

基础提示词模板

PromptTemplate：基础提示模板

用途：根据变量动态生成提示词。
示例：生成包含用户输入变量的提示。

from langchain.prompts import PromptTemplate

# 定义模板
template = "请写一篇关于{theme}的简短文章。"
prompt = PromptTemplate(
    input_variables=["theme"],  # 定义变量
    template=template,
)

# 使用模板生成提示词
formatted_prompt = prompt.format(theme="气候变化")
print(formatted_prompt)
# 输出：请写一篇关于气候变化的简短文章。

---

小样本提示词模板

FewShotPromptTemplate：小样本提示模板

用途：通过示例指导模型生成符合要求的回答。
示例：提供翻译示例，引导模型完成翻译任务。

from langchain.prompts import FewShotPromptTemplate, PromptTemplate

# 定义示例
examples = [
    {"input": "Hello", "output": "你好"},
    {"input": "Goodbye", "output": "再见"},
]

# 定义单个示例的格式
example_template = """
输入：{input}
输出：{output}
"""
example_prompt = PromptTemplate(
    input_variables=["input", "output"],
    template=example_template,
)

# 组合成小样本模板
few_shot_prompt = FewShotPromptTemplate(
    examples=examples,
    example_prompt=example_prompt,
    prefix="将以下英文翻译成中文：",
    suffix="输入：{input}\n输出：",
    input_variables=["input"],
)

# 使用模板
formatted_prompt = few_shot_prompt.format(input="Thank you")
print(formatted_prompt)
# 输出：
# 将以下英文翻译成中文：
#
# 输入：Hello
# 输出：你好
#
# 输入：Goodbye
# 输出：再见
#
# 输入：Thank you
# 输出：

---

聊天提示词模板

ChatPromptTemplate：聊天提示模板

用途：为聊天模型（如 GPT-3.5/4）生成多角色对话格式的提示。
示例：模拟系统、用户和 AI 的对话。

from langchain.prompts import (
    ChatPromptTemplate,
    SystemMessagePromptTemplate,
    HumanMessagePromptTemplate,
)

# 定义系统消息模板
system_template = "你是一个擅长{subject}的助手。"
system_prompt = SystemMessagePromptTemplate.from_template(system_template)

# 定义用户消息模板
human_template = "请解释什么是{concept}。"
human_prompt = HumanMessagePromptTemplate.from_template(human_template)

# 组合聊天模板
chat_prompt = ChatPromptTemplate.from_messages([system_prompt, human_prompt])

# 生成最终提示
formatted_prompt = chat_prompt.format_prompt(
    subject="机器学习",
    concept="神经网络"
).to_messages()

print(formatted_prompt)
# 输出：
# [
#   SystemMessage(content='你是一个擅长机器学习的助手。'),
#   HumanMessage(content='请解释什么是神经网络。')
# ]

---

自定义组合提示词模板

用途：通过管道（Pipeline）或自定义函数组合多个模板。
示例：将多个步骤合并为一个复杂提示。

from langchain.prompts import PipelinePromptTemplate

# 定义基础模板
base_template = """{introduction}

{example}

{question}"""
base_prompt = PromptTemplate.from_template(base_template)

# 定义子模板
introduction_template = "你是一个{role}。"
introduction_prompt = PromptTemplate.from_template(introduction_template)

example_template = "示例：{example}"
example_prompt = PromptTemplate.from_template(example_template)

question_template = "问题：{question}"
question_prompt = PromptTemplate.from_template(question_template)

# 组合管道模板
pipeline_prompt = PipelinePromptTemplate(
    final_prompt=base_prompt,
    pipeline_prompts=[
        ("introduction", introduction_prompt),
        ("example", example_prompt),
        ("question", question_prompt),
    ],
)

# 使用模板
formatted_prompt = pipeline_prompt.format(
    role="翻译官",
    example="Hello -> 你好",
    question="How are you?"
)

print(formatted_prompt)
# 输出：
# 你是一个翻译官。
#
# 示例：Hello -> 你好
#
# 问题：How are you?

---

总结

• PromptTemplate：基础变量替换。
• FewShotPromptTemplate：通过示例指导模型行为。
• ChatPromptTemplate：生成多角色对话提示。
• 自定义模板：灵活组合复杂逻辑。

实际使用时，可根据需求选择模板类型，并通过 input_variables 和 format() 方法动态替换内容。对于高级场景，还可结合 ExampleSelector 动态选择示例，或通过自定义函数生成提示。