使用Ollama+Langchaingo+Gin通过定义prompt模版实现翻译功能

1. 中英文翻译功能

提示词为：你是一个只能进行中英文翻译的机器。请翻译这段文字到{``{.outpugLang}}:{``{.input}}。

比如：你是一个只能进行中英文翻译的机器。请翻译这段文字到英文:我是阿里qwen大模型。

2.代码编写

相对上一节的功能中，本次用到了prompt提示词编写相关功能。

先贴一份完整代码。

go 复制代码

package main

import (
	"context"
	"github.com/gin-gonic/gin"
	"github.com/tmc/langchaingo/llms"
	"github.com/tmc/langchaingo/llms/ollama"
	"github.com/tmc/langchaingo/prompts"
	"net/http"
)

func main() {
	r := gin.Default()
	v1 := r.Group("/api/v1")
	{
		v1.POST("/translate", translator)
	}
	r.Run(":8080")
}

func translator(c *gin.Context) {
	var requestData struct {
		OutputLang string `json:"outputLang"`
		Text       string `json:"text"`
	}
	if err := c.BindJSON(&requestData); err != nil {
		c.JSON(http.StatusBadRequest, gin.H{"error": "Invalid Json."})
		return
	}
	//拼接提示词,prompt是有两条数据的一个切片prompt
	prompt := prompts.NewChatPromptTemplate([]prompts.MessageFormatter{
		prompts.NewSystemMessagePromptTemplate("你是一个只能进行中英文翻译的机器。", nil),
		prompts.NewHumanMessagePromptTemplate(`翻译这段文字到 {{.outputLang}}:{{.text}}`,
			[]string{".outputLang", "text"}),
	})
	//填充prompt
	vals := map[string]any{
		"outputLang": requestData.OutputLang,
		"text":       requestData.Text,
	}
	//把vals填充到prompt中
	messages, _ := prompt.FormatMessages(vals)

	//默认是访问本地ollama，如果需要访问别的地址的ollama，可以通过Getenv环境变量参数来指定。
	llm, err := ollama.New(ollama.WithModel("qwen"))
	if err != nil {
		c.JSON(http.StatusBadRequest, gin.H{"error": err.Error()})
		return
	}
	content := []llms.MessageContent{
		llms.TextParts(messages[0].GetType(), messages[0].GetContent()),
		llms.TextParts(messages[1].GetType(), messages[1].GetContent()),
	}
	response, _ := llm.GenerateContent(context.Background(), content)
	c.JSON(http.StatusOK, response)
}

构建+拼接提示词

首先定义一个用于生成翻译任务的提示模板。

prompts.NewChatPromptTemplate 创建了一个聊天提示模板，包含两条消息格式化器：

第一条是系统消息模板，内容为"你是一个只能进行中英文翻译的机器。"，用于向语言模型明确其角色和功能。

第二条是用户消息模板，内容为翻译这段文字到 {``{.outputLang}}:{``{.text}}，其中{``{.outputLang}}和{``{.text}}是模板变量，分别表示目标语言和需要翻译的文本。[]string{".outputLang", "text"}指定了模板变量的名称。

填充prompt

定义一个vals字典，用于存储模板变量的值。requestData.OutputLang表示用户指定的目标语言，requestData.Text表示需要翻译的原始文本。这些值将被填充到前面定义的提示模板中。

构造输入内容

content是一个llms.MessageContent类型的切片，用于存储输入到语言模型的内容。llms.TextParts方法将消息的类型和内容分别提取出来，构造为MessageContent对象。

调用llm.GenerateContent(context.Background(), content)方法，将构造好的输入内容传递给语言模型，生成翻译结果。response变量存储了语言模型返回的翻译结果。

来看看MessageContent结构体中都有些什么。

bash 复制代码

type MessageContent struct {
	Role  ChatMessageType
	Parts []ContentPart
}

Role 是一个 ChatMessageType 类型的字段，表示消息的角色。在聊天系统中，消息通常有不同类型的角色，比如系统角色、用户角色等等。

Parts 是一个 ContentPart 类型的切片，表示消息的内容部分。消息的内容可能由多个部分组成。

那么对于代码：

bash 复制代码

content := []llms.MessageContent{
	llms.TextParts(messages[0].GetType(), messages[0].GetContent()),
	llms.TextParts(messages[1].GetType(), messages[1].GetContent()),
}

content 是一个 MessageContent 切片，包含了两个消息的内容部分：

第一个消息（系统消息）：

Role：SystemMessage（系统消息的角色）

Parts：

类型："text"（文本类型）

值："你是一个只能进行中英文翻译的机器。"（系统消息的内容）

第二个消息（用户消息）：

Role：HumanMessage（用户消息的角色）

Parts：

类型："text"（文本类型）

值："翻译这段文字到 [目标语言]:[需要翻译的文本]"（用户消息的内容，其中 [目标语言] 和 [需要翻译的文本] 是动态填充的值）

所以构造的content内容是：

bash 复制代码

content := []llms.MessageContent{
	{
		Role: SystemMessage,
		Parts: []ContentPart{
			{
				Type:  "text",
				Value: "你是一个只能进行中英文翻译的机器。",
			},
		},
	},
	{
		Role: HumanMessage,
		Parts: []ContentPart{
			{
				Type:  "text",
				Value: "翻译这段文字到 中文:Hello, world!",
			},
		},
	},
}