06. 使用模板进行交互

提示模板

创建LangChain模板，根据实际需求动态选择不同的输入

使用模板，我们让模型将文本从某个语言转换为另一个语言，使用模板我们只需要对文本，转换前语言和被转后语言做指定修改就可以了，比如下方我希望从英文转换为中文如果转换完以后还需要将英文转换成其他语言，只需要修改 outputLang 的值就可以了, 这样我们就不用单独为他重新写一次对话信息

go 复制代码

package main

import (
    "context"
    "fmt"
    "github.com/tmc/langchaingo/llms"
    "github.com/tmc/langchaingo/prompts"
    "log"
    "study_langchain/pkg/mllm"
)

func main() {
    client, err := mllm.NewLLM("qwen2.5:3b", "http://127.0.0.1:11434")
    if err != nil {
       log.Fatalf("llm初始化失败：%s", err.Error())
    }
    
    // 使用模板进行对话
    template := prompts.NewChatPromptTemplate([]prompts.MessageFormatter{
       prompts.NewSystemMessagePromptTemplate("你是一个翻译人员，只翻译文本，不进行解释", nil),
       prompts.NewHumanMessagePromptTemplate("将此文本从{{.inputLang}}转换为{{.outputLang}}:\n{{.input}}", []string{"inputLang", "outputLang", "input"}),
    })
    
    // 对模板中的值进行替换
    value, err := template.FormatPrompt(map[string]any{
       "inputLang":  "English",
       "outputLang": "Chinese",
       "input":      "I love programming",
    })
    if err != nil {
       log.Fatal(err.Error())
    }

    msg := make([]llms.MessageContent, 0, len(value.Messages()))
    for _, v := range value.Messages() {
       msg = append(msg, llms.MessageContent{Role: v.GetType(), Parts: []llms.ContentPart{llms.TextPart(v.GetContent())}})
    }

    res, err := client.LLM.GenerateContent(context.Background(), msg)
    if err != nil {
       log.Fatal(err.Error())
    }
    fmt.Println(res.Choices[0].Content)
}

案例模板和输出解析

FewShotPrompt：少样本提示模板，通过示例的展示来教模型如何回答问题

我们想要模型返回的数据能够解析成想要的数据结构，我们可以给模型提供一些案例，让他通过案例学习后回答给我们对应的结构。如下展示

你是一个翻译人员，只翻译文本，不对文本进行解释。

例：

将此文本从English转换为Chinese:

I love programming

```json

{"text":"我爱编程"}

```

这样，模型返回的数据我们就可以通过langChain提供的解析器进行解析

下面就让我们来尝试一下

go 复制代码

package main

import (
    "context"
    "fmt"
    "github.com/tmc/langchaingo/outputparser"
    "github.com/tmc/langchaingo/prompts"
    "log"
    "study_langchain/pkg/mllm"
)

type Trans struct {
    Text string `json:"text" describe:"翻译后文本"`
}

func main() {
    examplePrompt := prompts.NewPromptTemplate("例：\n将此文本从{{.inputLang}}转换为{{.outputLang}}:\n{{.input}}\n```json\n {"text":"{{.output}}"} \n```", []string{"inputLang", "outputLang", "input", "output"})
    examples := []map[string]string{{"inputLang": "English", "outputLang": "Chinese", "input": "I love programming", "output": "我爱编程"}}

    p, err := prompts.NewFewShotPrompt(examplePrompt, examples, nil,
       "你是一个翻译人员，只翻译文本，不对文本进行解释。", "请开始你的回答: 将此文本从{{.inputLang}}转换为{{.outputLang}}: {{.question}}",
       []string{"question", "inputLang", "outputLang"}, map[string]interface{}{"type": func() string { return "json" }},
       "\n", prompts.TemplateFormatGoTemplate, true)
    if err != nil {
       log.Fatal(err)
    }

    msg, err := p.Format(map[string]any{"inputLang": "English", "outputLang": "Chinese", "question": "What a nice day today"})
    if err != nil {
       log.Fatal(err)
    }

    client, err := mllm.NewLLM("qwen2.5:3b", "http://127.0.0.1:11434")
    if err != nil {
       log.Fatalf("llm初始化失败：%s", err.Error())
    }

    res, err := client.LLM.Call(context.Background(), msg)
    if err != nil {
       log.Fatal(err.Error())
    }

    // 对返回结果进行解析
    output, err := outputparser.NewDefined(Trans{})
    if err != nil {
       log.Fatal(err.Error())
    }
    trans, err := output.Parse(res)
    if err != nil {
       log.Fatal(err.Error())
    }
    fmt.Println(trans)
}