(LangChain实战4):LangChain消息模版PromptTemplate

1.PromptTemplate如何获取实例

1.1方式一 :使用构造方法

python 复制代码
from langchain_core.prompts import PromptTemplate
# 1.构造方法获取提示词模版
# 参数中指定:input_variables/template
prompt_template = PromptTemplate(
    template="你是一个{role},你的名字叫{name}",
    input_variables=["role","name"]
)

# 2.填充模版,暂时使用format()
prompt = prompt_template.format(role="人工智能专家", name="小智")
print(prompt)

1.2方式二(推荐):from_template

python 复制代码
prompt_template2 = PromptTemplate.from_template(template="你是一个{role},你的名字叫{name}")
prompt2 = prompt_template2.format(role="人工智能专家", name="小智")
print(prompt2)

2.format()与invoke()的对比及使用

2.1两种示例代码(输出结果与类型)

python 复制代码
# 构造提示词模版format() 参数:给变量赋值    返回值:str类型
prompt_template2 = PromptTemplate.from_template(template="你是一个{role},你的名字叫{name}")
prompt2 = prompt_template2.format(role="人工智能专家", name="小智")
print(prompt2)

# 构造提示词模版invoke() 参数:使用字典    返回值:PromptVale类型
prompt_template3 = PromptTemplate.from_template(template="你是一个{role},你的名字叫{name}")
prompt3 = prompt_template3.invoke(input={"role": "人工智能专家", "name": "小智"})
print(prompt3)
shell 复制代码
E:\pythonWorkSpace\pythonProject1\.venv1\Scripts\python.exe E:\pythonWorkSpace\LangChain\LangChain消息模版PromptTemplate.py 
prompt2内容: 你是一个人工智能专家,你的名字叫小智
prompt2类型: <class 'str'>
prompt3内容: text='你是一个人工智能专家,你的名字叫小智'
prompt3类型: <class 'langchain_core.prompt_values.StringPromptValue'>

3.结合大模型使用

python 复制代码
import os

from langchain_core.messages import SystemMessage, HumanMessage
from langchain_openai import ChatOpenAI
from dotenv import load_dotenv
from langchain_core.prompts import PromptTemplate

# 0.加载env环境变量
load_dotenv()

# 1.获取对话模型
chat_model = ChatOpenAI(
    # 1.设置模型名称
    model="deepseek-chat",
    # 2.模型接口地址
    base_url= os.getenv('OPENAI_BASE_URL'),
    # 3.模型调用key
    api_key=os.getenv('OPENAI_API_KEY'),
)

# 2.构造提示词模版invoke()
prompt_template = PromptTemplate.from_template(template="你是一个{role},你的名字叫{name}")

# 3.给模版变量赋值
prompt = prompt_template.invoke(input={"role": "人工智能专家", "name": "小智"})

# 4.调用大模型,将提示词传入
response = chat_model.invoke(prompt)
print(response.content)
shell 复制代码
E:\pythonWorkSpace\pythonProject1\.venv1\Scripts\python.exe E:\pythonWorkSpace\LangChain\LangChain消息模版PromptTemplate.py 
你好!我是小智,一名人工智能专家。很高兴为你提供帮助!无论是关于机器学习、深度学习、自然语言处理,还是AI应用开发、算法优化等问题,我都可以为你解答或提供建议。请随时告诉我你需要什么帮助! 😊
相关推荐
岱宗夫up2 小时前
Scrapy框架实战教程(上):从入门到实战,搭建你的第一个专业爬虫
爬虫·python·scrapy
SunnyRivers2 小时前
Asyncio 提速秘籍:用 run_in_executor 与 to_thread 巧解同步阻塞难题
python·asyncio·to_thread·run_in_executor
亚林瓜子2 小时前
pyspark分组计数
python·spark·pyspark·分组统计
HyperAI超神经2 小时前
【TVM教程】设备/目标交互
人工智能·深度学习·神经网络·microsoft·机器学习·交互·gpu算力
应用市场2 小时前
#AI对话与AI绘画的底层原理:从概率预测到创意生成的完整解析
人工智能·ai作画
肾透侧视攻城狮2 小时前
《解锁 PyTorch 张量:多维数据操作与 GPU 性能优化全解析》
人工智能·numpy·张量的索引和切片·张量形状变换·张量数学运算操作·张量的gpu加速·张量与 numpy 的互操作
Tadas-Gao2 小时前
大模型幻觉治理新范式:SCA与[PAUSE]注入技术的深度解析与创新设计
人工智能·深度学习·机器学习·架构·大模型·llm
查无此人byebye2 小时前
从零解读CLIP核心源码:PyTorch实现版逐行解析
人工智能·pytorch·python·深度学习·机器学习·自然语言处理·音视频
PKUMOD2 小时前
论文导读 | 在长上下文及复杂任务中的递归式语言模型架构
人工智能·语言模型·架构