LangChain提示词模版 PromptTemplate

0 什么是PromptTemplate

Prompt Template 是LangChain中的一个概念，接收用户输入，返回一个传递给LLM的信息(即提示词prompt)。

在应用开发中，固定的提示词限制了模型的灵活性和适用范围。所以，prompt template 是一个模板化的字符串，你可以将

变量插入到模板中，从而创建出不同的提示。调用时:

以字典作为输入，其中每个键代表要填充的提示模板中的变量。

输出一个 PromptValue 。这个 PromptValue 可以传递给 LLM 或 ChatModel，并且还可以转换为字符串或消息列表。

简单地说就是一个通过输入参数快速构造提示词模版的构造方法

1 构造PromptTemplate的两种方式

构造提示词模板有两种方式，一个是直接使用PromptTemplate 构造方法，另一个是通过其from_template()方法来生成

1.1 PromptTemplate构造方法

1.1.1 主要参数介绍

template:定义提示词模板的字符串，其中包含文本和变量占位符(如{name}) ;

input_variables: 列表，指定了模板中使用的变量名称，在调用模板时被替换;

partial_variables:字典，用于定义模板中一些固定的变量名。这些值不需要再每次调用时被替换。

1.1.2 示例代码

python 复制代码

import os
import dotenv
from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI

dotenv.load_dotenv()

os.environ["OPENAI_BASE_URL"] = os.getenv("QWEN_BASE_URL")
os.environ["OPENAI_API_KEY"] = os.getenv("QWEN_API_KEY")

# 获取对话模型
chat_model = ChatOpenAI(
    model="qwen-plus",
    streaming=True
)

template = PromptTemplate(
    template="说一个关于{topic}的笑话,不超过{max_len}字",
    input_variables=["topic"],
    partial_variables={"max_len": 100},
)

prompt = template.format(topic="猪")
# 调用模型
response = chat_model.stream(prompt)

print("提示词：", prompt)
# 流式输出
for chunk in response:
    print(chunk.content, end='', flush=True)

1.1.3 效果

1.2 调用from_template()

1.2.1 总结理解

相比使用PromptTemplate 构造函数的方式，该方式无需在构造方法中填写input_variables和partial_variables，只需填写模版字符串，对于初始化部分参数可以通过partial ()方法实现，注意，该方法也可以在使用PromptTemplate构造函数的方式中使用

1.2.2 示例代码

python 复制代码

import os
import dotenv
from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI

dotenv.load_dotenv()

os.environ["OPENAI_BASE_URL"] = os.getenv("QWEN_BASE_URL")
os.environ["OPENAI_API_KEY"] = os.getenv("QWEN_API_KEY")

# 获取对话模型
chat_model = ChatOpenAI(
    model="qwen-plus",
    streaming=True
)

template = PromptTemplate.from_template("说一个关于{topic}的笑话,不超过{max_len}字").partial(max_len="100")

prompt = template.format(topic="牛")
# 调用模型
response = chat_model.stream(prompt)

print("提示词：", prompt)
# 流式输出
for chunk in response:
    print(chunk.content, end='', flush=True)

1.2.3 效果

2 format()调用和invoke()调用

2.1 format()和invoke()的使用规则

只要对象是RunnableSerializable接口类型，都可以使用invoke()，替换前面使用format()的调用方式。

format()，返回值为字符串类型;

invoke()，返回值为PromptValue类型，接着调用to_string()返回字符串。

总结一下就是format参数使用a="xx"的形式，invoke使用json形式传值

2.2 示例代码

python 复制代码

import os
import dotenv
from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI

dotenv.load_dotenv()

os.environ["OPENAI_BASE_URL"] = os.getenv("QWEN_BASE_URL")
os.environ["OPENAI_API_KEY"] = os.getenv("QWEN_API_KEY")

# 获取对话模型
chat_model = ChatOpenAI(
    model="qwen-plus",
    streaming=True
)

template = PromptTemplate.from_template("说一个关于{topic}的笑话,不超过{max_len}字").partial(max_len="100")

prompt = template.invoke({"topic": '鸡'})
# 调用模型
response = chat_model.stream(prompt)

print("提示词：", prompt)
# 流式输出
for chunk in response:
    print(chunk.content, end='', flush=True)