LangChain入门---- Prompt

原创

已于 2024-09-02 19:32:59 修改 · 2.9k 阅读

36 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #prompt #机器学习 #人工智能

于 2024-09-02 15:34:10 首次发布

Prompt介绍

LangChain 中的“Prompt”是一个关键概念，指的是输入给大型语言模型（LLM）的文本指令或提示，用于引导模型生成特定的输出或执行特定的任务。

在 LangChain 的框架中，prompt 的设计和使用对于构建高效、准确的链式应用至关重要。

Prompt的应用场景

任务定义：通过精心设计的 prompt，可以明确告诉 LLM 要执行什么任务。例如：对于问答系统，prompt 可能包含问题文本和指示模型生成答案的指令。
上下文提供：Prompt 可以包含必要的上下文信息，以帮助 LLM 理解当前任务的背景和上下文。这对于处理具有复杂依赖关系或需要跨多个步骤推理的任务尤为重要。
示例引导：通过提供示例 prompt（即少样本学习或零次学习中的例子），可以指导 LLM 如何生成符合要求的输出。这种方法特别适用于那些难以用明确规则定义的任务。
链式推理：在 LangChain 中，prompt 可以用于构建链式推理流程。通过设计一系列相互关联的 prompt，可以引导 LLM 逐步完成复杂的推理任务。例如：多步骤问题解答或对话生成。
安全和合规性：通过适当的 prompt 设计，可以确保 LLM 的输出符合特定的安全和合规性要求。例如：可以通过在 prompt 中包含适当的过滤器或指导原则来避免生成不适当或冒犯性的内容。
性能优化：Prompt 的设计也可以影响 LLM 的性能和效率。通过优化 prompt 的长度、结构和内容，可以提高 LLM 的响应速度和输出质量。

案例实现流程

实现流程分析

以通义大模型为例

# 导入prompt的类
from langchain.prompts import PromptTemplate

# 导入通义大模型
from langchain_community.llms import Tongyi

# 定义一个模板
pp = "{county}的首都是哪里？"

# 实例化模板类
promptTemplate = PromptTemplate.from_template(pp)

# 输入
country = "中国"

# 生成prompt
prompt = promptTemplate.format(country=country)

# 实例化通义大模型
tongyi = Tongyi()
ret = tongyi.invoke(prompt)

print(ret)

ChatPromptTemplate

概述

ChatPromptTemplate是一个模板化的对话工具，它允许用户创建、设定对话内容和格式，并与他人进行分享和互动。
通过使用ChatPromptTemplate，用户能够以一种简洁、清晰的方式组织和展示对话内容，从而提高沟通效率，减少信息混乱和误解的可能性。