LangChain4j Prompt 提示词工程

提示词工程

提示词工程(Prompt Engineering) 是一门设计和优化输入提示词的技术,目的是让大语言模型更准确、更可靠地输出你想要的结果。

简单说就是:教你怎么跟AI说话,它才能更好地帮你干活。

LangChain4j 提供了 5 种消息类型,可以在 ChatMessageType 中查看。

  • SystemMessage
  • UserMessage
  • AiMessage
  • ToolExecutionResultMessage
  • CustomMessage

SystemMessage

这是来自系统的消息。通常,作为开发人员,你应该定义这条消息的内容。比如编写关于 LLM 在这次对话中的角色、表现形式、回答风格等指令。SystemMessage 是非常重要的消息,最好不要给用户自由访问权限以及避免用户自定义 SystemMessage 消息。通常,此类消息位于对话的开始。

UserMessage

这是来自用户的消息。

AiMessage

这是由 AI 生成的消息,通常是对 UserMessage 的响应,例如

java 复制代码
Response<Image> response = wanxImageModel.generate("大帅哥");

generate 方法返回一个包裹在 Response 中的 AiMessage

AiMessage 可以包含文本响应(String),或者执行工具请求(ToolExecutionRequest)。

ToolExecutionResultMessage

来自 ToolExecutionRequest 的消息

CustomMessage

自定义消息,这种消息类型只能由支持它的 ChatModel 实现使用。(目前只有 Ollama)

使用方式一

新建 CodeAssistant

java 复制代码
public interface CodeAssistant {
    @SystemMessage("""
            你是一位专业的编程领域大师,只回答与代码编程相关的问题。
            输出限制:对于其他领域的问题禁止回答,直接返回"这不是我的领域范围,我没法回答你的问题。"
            """)
    @UserMessage("请回答以下问题:{{question}}, 字数控制在 {{length}} 内。")
    Flux<String> chat(@V("question") String question, @V("length") int length);
}

PromptController

java 复制代码
@RestController
@RequestMapping("prompt")
@CrossOrigin
public class PromptController {
    @Resource
    private CodeAssistant codeAssistant;

    @GetMapping("/qwen/chat3")
    public Flux<String> chat3(@RequestParam(value = "question", defaultValue = "你是谁?") String question) {
		return codeAssistant.chat(question, 200);
    }
}

使用方式二

新建提示词模板类

java 复制代码
@Data
@StructuredPrompt("请回答以下问题:{{question}}, 字数控制在 {{length}} 内。")
public class CodePrompt {
    private String question;
    private int length;
}

编写 AI 服务接口

java 复制代码
public interface CodeAssistant {
    @SystemMessage("""
            你是一位专业的编程领域大师,只回答与代码编程相关的问题。
            输出限制:对于其他领域的问题禁止回答,直接返回"这不是我的领域范围,我没法回答你的问题。"
            """)
    Flux<String> chat(CodePrompt codePrompt);
}

PromptController

java 复制代码
@RestController
@RequestMapping("prompt")
@CrossOrigin
public class PromptController {
    @Resource
    private CodeAssistant codeAssistant;

    @GetMapping("/qwen/chat3")
    public Flux<String> chat3(@RequestParam(value = "question", defaultValue = "你是谁?") String question) {
        CodePrompt codePrompt = new CodePrompt();
        codePrompt.setQuestion(question);
        codePrompt.setLength(200);
        return codeAssistant.chat(codePrompt);
    }
}

使用方式三

java 复制代码
@RestController
@RequestMapping("prompt")
@CrossOrigin
public class PromptController {
    @Resource
    private StreamingChatModel streamingChatModel;

    @GetMapping("/qwen/chat3")
    public Flux<String> chat3(@RequestParam(value = "question", defaultValue = "你是谁?") String question) {
        String role = "java";

        PromptTemplate template = PromptTemplate.from("你是一个 {{role}} 高手,请问 {{question}} 怎么办?");
        Prompt prompt = template.apply(Map.of("role", role, "question", question));
        UserMessage userMessage = prompt.toUserMessage();
        
        return Flux.create(e -> {
            streamingChatModel.chat(List.of(userMessage), new StreamingChatResponseHandler() {
                @Override
                public void onPartialResponse(String s) { e.next(s); }
                @Override
                public void onCompleteResponse(ChatResponse chatResponse) {}
                @Override
                public void onError(Throwable throwable) {}
            });
        });
    }
}
相关推荐
Yiyi_Coding几秒前
Proxy详解
java·前端·javascript
鬼先生_sir5 分钟前
SpringBoot-源码剖析
java·spring boot·springboot源码解析
ch.ju7 分钟前
Java程序设计(第3版)第二章——Java中的数据类型
java
MwEUwQ3Gx8 分钟前
深入理解 Java Deque 的设计哲学
java·开发语言·python
麦芽糖02198 分钟前
若依整合AI一 基础应用篇
java
进朱者赤9 分钟前
从 Java / Go 后端视角系统理解 TypeScript 与 Node.js:从看不懂到能参与 openclaw 这类项目开发
java·golang·typescript
MX_935910 分钟前
SpringMVC静态资源访问、annotation-driven的使用原理及数据响应模式
java·后端·spring
人间寥寥情难诉12 分钟前
LRU算法本地实现
java·算法·spring
djBe17esS13 分钟前
实战:Java 日志中打印服务器 IP,快速区分多服务器日志归属
java·服务器·tcp/ip
woai336415 分钟前
JVM学习-基础篇-垃圾回收
java·jvm·学习