【前端学习AI】FewShotPromptTemplate

核心定义

FewShotPromptTemplate 是 LangChain 中构建少样本提示的模板类，核心是在提示词中嵌入少量示例，引导大模型遵循示例的格式、逻辑或风格完成任务，提升输出准确性与一致性。

核心作用

通过「示例集 + 模板字符串 + 动态变量」，让模型快速掌握任务输入输出模式，解决陌生任务或复杂格式适配问题，避免繁琐规则编写，提升提示词复用性与任务适配性。

核心概念

示例（Examples） ：少样本学习的样本数据，通常为列表形式，每个元素是含输入输出的字典（如 [{"input": "文本1", "output": "结果1"}, ...]），用于展示任务具体模式。
示例模板（Example Prompt Template） ：用于格式化单个示例的子模板，定义每个示例在提示词中的呈现形式（如输入输出的排版、描述性文字）。
前缀（Prefix） ：提示词的前置说明部分，用于告知模型任务目标、示例的作用（如"以下是文本分类任务的示例，请参考示例将输入文本分类到对应类别"）。
后缀（Suffix） ：提示词的后置部分，用于承载用户的动态输入变量，引导模型完成当前任务（如"请对以下文本进行分类：{input_text}"）。

创建实例

核心原则：先定义示例集和示例模板，再通过 FewShotPromptTemplate组合示例、前缀、后缀等，生成完整少样本提示模板。

基础创建（完整流程）

python 复制代码

from langchain_core.prompts import FewShotPromptTemplate, PromptTemplate

# 定义示例集（少样本数据）
examples = [
    {"input": "我喜欢阳光明媚的天气", "output": "积极情绪"},
    {"input": "今天的工作太多，压力好大", "output": "消极情绪"},
    {"input": "收到了朋友送的礼物，很开心", "output": "积极情绪"},
    {"input": "错过末班车，只能打车回家了", "output": "中性情绪"}
]

# 定义示例模板（格式化单个示例）
example_prompt = PromptTemplate(
    input_variables=["input", "output"],
    template="输入：{input}\n输出：{output}\n"
)

# 定义 FewShotPromptTemplate
few_shot_prompt = FewShotPromptTemplate(
    # 传入示例集
    examples=examples,
    # 传入示例模板
    example_prompt=example_prompt,
    # 前置说明
    prefix="请参考以下示例，判断输入文本的情绪类别（积极情绪/消极情绪/中性情绪）：",
    # 后置用户输入部分
    suffix="输入：{user_input}\n输出：",
    # 待填充的动态变量（用户输入文本）
    input_variables=["user_input"]
)

含示例筛选的创建（动态控制示例数量）

通过 example_selector 参数指定示例选择器，可动态筛选示例（如控制数量、按相似度筛选），适配不同长度限制或任务难度场景。

python 复制代码

from langchain_core.prompts import FewShotPromptTemplate, PromptTemplate
from langchain_core.prompts.example_selector import LengthBasedExampleSelector

# 定义示例集（更多样本）
examples = [
    {"input": "我喜欢阳光明媚的天气", "output": "积极情绪"},
    {"input": "今天的工作太多，压力好大", "output": "消极情绪"},
    {"input": "收到了朋友送的礼物，很开心", "output": "积极情绪"},
    {"input": "错过末班车，只能打车回家了", "output": "中性情绪"},
    {"input": "电影情节很精彩，推荐大家观看", "output": "积极情绪"},
    {"input": "餐厅的食物很美味，服务也很好", "output": "积极情绪"},
    {"input": "路上堵车，迟到了十分钟", "output": "消极情绪"}
]

# 定义示例模板
example_prompt = PromptTemplate(
    input_variables=["input", "output"],
    template="输入：{input}\n输出：{output}\n"
)

# 定义示例选择器（按长度筛选，控制示例总长度）
example_selector = LengthBasedExampleSelector(
    examples=examples,
    example_prompt=example_prompt,
    # 示例总长度上限（字符数），超过则自动减少示例
    max_length=100
)

# 定义 FewShotPromptTemplate（传入示例选择器，而非直接传 examples）
few_shot_prompt = FewShotPromptTemplate(
    # 动态示例选择器
    example_selector=example_selector,
    example_prompt=example_prompt,
    prefix="请参考以下示例，判断输入文本的情绪类别（积极情绪/消极情绪/中性情绪）：",
    suffix="输入：{user_input}\n输出：",
    input_variables=["user_input"]
)

无示例的少样本模板（ZeroShot 兼容）

若需兼容零样本场景（无需示例），可通过 examples=[] 创建空示例模板，后续可动态添加示例。

python 复制代码

from langchain_core.prompts import FewShotPromptTemplate, PromptTemplate

# 空示例集
examples = []

# 示例模板
example_prompt = PromptTemplate(
    input_variables=["input", "output"],
    template="输入：{input}\n输出：{output}\n"
)

# 定义空示例少样本模板
few_shot_prompt = FewShotPromptTemplate(
    examples=examples,
    example_prompt=example_prompt,
    prefix="请判断输入文本的情绪类别（积极情绪/消极情绪/中性情绪）：",
    suffix="输入：{user_input}\n输出：",
    input_variables=["user_input"]
)

# 后续可动态添加示例
few_shot_prompt.examples.append({"input": "今天心情很好", "output": "积极情绪"})

实例属性

examples

核心属性，存储少样本示例列表，每个元素为含输入输出的字典（如 [{"input": "...", "output": "..."}]）。

example_prompt

示例模板对象（PromptTemplate 实例），定义单个示例的格式化规则。

prefix / suffix

字符串属性，分别对应提示词的前置说明和后置用户输入部分，共同构成完整提示词的框架。

input_variables

待填充动态变量列表（如 ["user_input"]），不包含示例中的变量（示例变量由 example_prompt 单独定义）。

example_selector（可选）

示例选择器对象（如 LengthBasedExampleSelector），用于动态筛选示例，未指定时直接使用全部 examples。

实例方法

format

python 复制代码

def format(**kwargs: Any) -> str

功能

填充动态变量，结合示例、前缀、后缀生成完整的少样本提示词字符串。

参数

**kwargs：键值对参数，填充 input_variables 中定义的动态变量

返回值

字符串类型的最终少样本提示词。

示例

python 复制代码

# 续基础创建示例
prompt_str = few_shot_prompt.format(user_input="今天的考试很顺利")
print(prompt_str)
# 输出结果：
# 请参考以下示例，判断输入文本的情绪类别（积极情绪/消极情绪/中性情绪）：
# 输入：我喜欢阳光明媚的天气
# 输出：积极情绪
# 
# 输入：今天的工作太多，压力好大
# 输出：消极情绪
# 
# 输入：收到了朋友送的礼物，很开心
# 输出：积极情绪
# 
# 输入：错过末班车，只能打车回家了
# 输出：中性情绪
# 
# 输入：今天的考试很顺利
# 输出：

format_prompt

python 复制代码

def format_prompt(**kwargs: Any) -> PromptValue

功能

填充动态变量后，生成 LangChain 模型可直接接收的 PromptValue 对象（无需手动转换字符串）。

参数

**kwargs：键值对参数，填充动态变量

返回值

PromptValue 对象，可直接传入 LangChain 模型的 invoke() 等方法。

示例

python 复制代码

# 续基础创建示例
prompt = few_shot_prompt.format_prompt(user_input="今天的考试很顺利")
# 直接传入模型调用
# model.invoke(prompt)

invoke

python 复制代码

def invoke(
    input: dict,
    config: RunnableConfig | None = None,
    **kwargs: Any
) -> PromptValue

功能

适配 LangChain 链式调用（Runnable 接口）的规范方法，生成 PromptValue 对象，用于流水线式模型调用流程。

参数

input：字典类型，键为变量名，值为变量值（核心传参方式）；
config：运行时配置（如超时时间、日志等级等）；
**kwargs：额外键值对变量（补充 input 中未包含的变量）。

返回值

PromptValue 对象，可直接用于链式调用中的模型输入。

示例

python 复制代码

# 续基础创建示例
prompt = few_shot_prompt.invoke(input={"user_input": "今天的考试很顺利"})

关键注意事项

示例质量直接影响模型效果：示例需准确、典型，覆盖任务核心场景，避免错误或模糊示例；
示例数量需平衡：过少可能无法让模型掌握任务模式，过多可能导致提示词过长（超出模型上下文窗口），建议3-5个示例为宜；
示例模板需统一：所有示例需遵循相同的格式化规则（如输入输出的排版、字段名称），避免格式混乱；
动态变量与示例变量需区分：input_variables 仅定义用户动态输入变量，示例变量由 example_prompt 单独定义，不可混淆；
建议结合示例选择器优化：示例较多时，使用 example_selector 动态控制示例长度，避免超出模型上下文限制。