【无标题】 - 技术栈

【无标题】

weixin_450448182026-05-06 9:10

1. Langchain环境搭建-本地模型应用

1.1 Ollama LangChain第三方库安装

使用以下命令安装集成包：

python 复制代码

pip install langchain-ollama

使用：

python 复制代码

# 大语言模型
# 大语言模型
from langchain_ollama import ChatOllama

llm = ChatOllama(
    model="gemma3:1b",
    temperature=0,
    # other params...
)

messages = [
    (
        "system",
        "你是一个助手，请用中文回复",
    ),
    ("human","夏天适合穿什么小裙子"),
]
ai_msg = llm.invoke(messages)

print(ai_msg)
print(ai_msg.content)

2. langchain的关键对象-提示词模板

它的作用是将用户的输入或动态的数据结构嵌入到预定义的模板中 ，从而生成适合模型处理的提示词 ，提升模型输出的准确性和一致性

python 复制代码

from langchain_core.prompts import PromptTemplate

template = '你是一个{role}, 请问一个{style}的风格回答问题，回答的问题是什么{question}'

prompt = PromptTemplate.from_template(template=template)

filed_prompt = prompt.format(role ='历史老师', style='幽默风趣', question='三国是从什么时候开始的？')

ai_msg = chat.invoke(filed_prompt)

print(ai_msg.content)

python 复制代码

from langchain_core.prompts import ChatPromptTemplate

sys_template = '你是一个{role}, 请问一个{style}的风格回答问题，回答的问题是什么{question}'
user_template = '请问简单易懂的方式回答{question}'

prompt = ChatPromptTemplate.from_messages([('system', sys_template), ('human', user_template)])

sys_filed_prompt = prompt.format(role ='历史老师', style='幽默风趣', question='三国是从什么时候开始的？')

ai_msg = chat.invoke(sys_filed_prompt)

print(ai_msg.content)