自然语言处理从入门到应用——LangChain：提示（Prompts）-[基础知识]

分类目录：《自然语言处理从入门到应用》总目录

---

模型编程的新方法是使用提示（Prompts）。提示指的是模型的输入。这个输入通常由多个组件构成。PromptTemplate负责构建这个输入，LangChain提供了多个类和函数，使得构建和处理提示变得简单。《自然语言处理从入门到应用——LangChain：提示（Prompts）》系列文章包含一下几个部分：

• LLM Prompt模板 ：揭示如何使用PromptTemplate来提示语言模型
• Chat Prompt模板 ：揭示如何使用PromptTemplate来提示对话模型
• 示例选择器 ：在提示中包含示例往往很有用，这些示例可以根据需要进行动态选择
• 输出解析器 ：析语言模型和对话模型的输出文本。在很多时候，我们可能希望获得更结构化的信息，这就是输出解析器发挥作用的地方。
• 输出解析器：指示模型应如何格式化输出， 将输出解析为所需的格式，也包括必要时进行重试。

提示是传递给语言模型的值，这个值可以是字符串（用于语言模型）或消息列表（用于对话模型）。这些提示的数据类型相当简单，但它们的构造却并非如此。LangChain的价值在于：

• 用于字符串提示和消息提示的标准接口
• 用于字符串提示模板和消息提示模板的标准接口
• 示例选择器：用于将示例插入提示中，以便语言模型进行遵循
• 输出解析器：用于将指令插入到提示中，作为语言模型输出信息的格式，以及将字符串输出解析为所需格式的方法。

《自然语言处理从入门到应用——LangChain：提示（Prompts）》系列文章为特定类型的字符串提示、特定类型的聊天提示、示例选择器和输出解析器提供了深入的文档。在本文中，我们先介绍了一个用于简单提示的标准接口的快速入门指南。

PromptTemplates

PromptTemplates负责构建提示值。这些PromptTemplates可以执行格式化、示例选择等操作。从高层次上讲，这些基本上是公开了format_prompt方法以构建提示的对象。在内部，可以发生任何事情。

from langchain.prompts import PromptTemplate, ChatPromptTemplate
string_prompt = PromptTemplate.from_template("tell me a joke about {subject}")
chat_prompt = ChatPromptTemplate.from_template("tell me a joke about {subject}")
string_prompt_value = string_prompt.format_prompt(subject="soccer")
chat_prompt_value = chat_prompt.format_prompt(subject="soccer")

to_string

当传递给LLM（预期为原始文本）时调用的方法：

• string_prompt_value.to_string()
• chat_prompt_value.to_string()

to_messages

当传递给ChatModel（预期为消息列表）时调用的方法。

• string_prompt_value.to_messages()
• chat_prompt_value.to_messages()

示例：

[HumanMessage(content='tell me a joke about soccer', additional_kwargs={}, example=False)]

参考文献：
[1] LangChain ️ 中文网，跟着LangChain一起学LLM/GPT开发：https://www.langchain.com.cn/
[2] LangChain中文网 - LangChain 是一个用于开发由语言模型驱动的应用程序的框架：http://www.cnlangchain.com/