开源模型应用落地-LangChain实用小技巧-ChatPromptTemplate的partial方法(一)

一、前言

在当今的自然语言处理领域,LangChain 框架因其强大的功能和灵活性而备受关注。掌握一些实用的小技巧,能够让您在使用 LangChain 框架时更加得心应手,从而更高效地开发出优质的自然语言处理应用。


二、术语

**2.1.**LangChain

是一个全方位的、基于大语言模型这种预测能力的应用开发工具。LangChain的预构建链功能,就像乐高积木一样,无论你是新手还是经验丰富的开发者,都可以选择适合自己的部分快速构建项目。对于希望进行更深入工作的开发者,LangChain 提供的模块化组件则允许你根据自己的需求定制和创建应用中的功能链条。

LangChain本质上就是对各种大模型提供的API的套壳,是为了方便我们使用这些 API,搭建起来的一些框架、模块和接口。

LangChain的主要特性:

1.可以连接多种数据源,比如网页链接、本地PDF文件、向量数据库等

2.允许语言模型与其环境交互

3.封装了Model I/O(输入/输出)、Retrieval(检索器)、Memory(记忆)、Agents(决策和调度)等核心组件

4.可以使用链的方式组装这些组件,以便最好地完成特定用例。

5.围绕以上设计原则,LangChain解决了现在开发人工智能应用的一些切实痛点。

**2.2.**ChatPromptTemplate

是 LangChain 框架中用于创建聊天模型提示的类。

2.3.partial方法

用于创建一个部分格式化的提示模板。它允许在创建提示模板时只传入部分变量值,而不需要等待所有变量值都准备好。


三、前提条件

3.1. 基础环境

  1. 操作系统:不限

3.2. 安装虚拟环境

bash 复制代码
conda create --name langchain python=3.10
conda activate langchain
pip install langchain langchain-openai langchain-community

四、技术实现

4.1.partial方法示例

partial方法用于创建一个部分格式化的提示模板。它允许在创建提示模板时,先传入部分变量的值,而不需要等待所有变量值都准备好。这样可以在链式处理中,当某些变量值先获取到,而其他变量值稍后才可用时,使用部分格式化的提示模板继续进行处理。

python 复制代码
import os

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

os.environ["OPENAI_API_KEY"] = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

if __name__ == '__main__':
    chat = ChatOpenAI(model="gpt-3.5-turbo", temperature=0.1, max_tokens=256)
    template = '''
        {region}有哪些重点的{advantage}?
        '''
    prompt_template = ChatPromptTemplate.from_template(template)
    prompt_template = prompt_template.partial(region="广东",)
    print(prompt_template)

    chain = prompt_template | chat | StrOutputParser()
    print(chain.invoke({"advantage":"名牌大学"}))

调用结果:

4.2.format方法示例

format方法则用于将提示模板中的占位符替换为具体的变量值,以得到完整的提示字符串。它需要传入所有未被部分格式化的变量的值。

python 复制代码
import os

from langchain_core.output_parsers import StrOutputParser
from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

os.environ["OPENAI_API_KEY"] = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

if __name__ == '__main__':

    chat = ChatOpenAI(model="gpt-3.5-turbo", temperature=0.1, max_tokens=256)
    template = '''
           {region}有哪些重点的{advantage}?
           '''
    prompt_template = ChatPromptTemplate.from_template(template)
    prompt = prompt_template.format(region="广东",advantage="名牌大学")
    print(prompt)
    print(chat.invoke(prompt).content)

调用结果:

4.3.partial+format方法示例

python 复制代码
import os

from langchain_core.prompts import ChatPromptTemplate
from langchain_openai import ChatOpenAI

os.environ["OPENAI_API_KEY"] = "sk-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx"

if __name__ == '__main__':

    chat = ChatOpenAI(model="gpt-3.5-turbo", temperature=0.1, max_tokens=256)
    template = '''
              {region}有哪些重点的{advantage}?
              '''
    prompt_template = ChatPromptTemplate.from_template(template)
    prompt_template = prompt_template.partial(region="广东")
    prompt = prompt_template.format(advantage="名牌大学")
    print(prompt)

    print(chat.invoke(prompt).content)

调用结果:


五、附带说明

5.1. 总结

partial方法用于部分地预先设置提示模板中的变量,而format方法用于最终完成提示模板的格式化,得到完整的提示内容。

相关推荐
点我头像干啥1 小时前
用 PyTorch 构建液态神经网络(LNN):下一代动态深度学习模型
pytorch·深度学习·神经网络
是小王同学啊~2 小时前
(LangChain)RAG系统链路向量检索器之Retrievers(五)
python·算法·langchain
小白狮ww2 小时前
VASP 教程:VASP 机器学习力场微调
人工智能·深度学习·机器学习
AIGC包拥它2 小时前
提示技术系列——链式提示
人工智能·python·langchain·prompt
呆头鹅AI工作室3 小时前
[2025CVPR]SEEN-DA:基于语义熵引导的领域感知注意力机制
人工智能·深度学习·机器学习
西柚小萌新3 小时前
【深度学习:进阶篇】--4.3.seq2seq与Attention机制
人工智能·深度学习
求索小沈3 小时前
ubuntu22.04 安装cuda cudnn
人工智能·深度学习
FF-Studio4 小时前
【硬核数学】3. AI如何应对不确定性?概率论为模型注入“灵魂”《从零构建机器学习、深度学习到LLM的数学认知》
大数据·人工智能·深度学习·机器学习·数学建模·自然语言处理·概率论
CoovallyAIHub5 小时前
YOLOv13都来了,目标检测还卷得动吗?别急,还有这些新方向!
深度学习·算法·计算机视觉
羊小猪~~6 小时前
【NLP入门系列四】评论文本分类入门案例
人工智能·自然语言处理·分类