系列文章目錄

一起學習大模型 - 大模型的交互工具prompt簡介與運用

一起學習大模型 - langchain里的PromptTemplate詳細介紹

一起學習大模型 - langchain里PromptTemplate錯誤排查總結

---

---

前言

上一篇文章我們講了Prompt的概念和作用（大模型的交互工具 prompt簡介與運用），以及如何在langchain里實現一個PromptTemplate。這篇文章我們詳細介紹下 LangChain Prompt Template 的用法。

一、 安裝 LangChain

首先，確保你已經安裝了 LangChain 庫：

pip install langchain

二、 基本用法

1. 導入庫并定義模板

from langchain.prompts import PromptTemplate# 定義一個簡單的模板
template = "請用簡明的語言介紹一下{topic}。"# 創建 PromptTemplate 對象
prompt_template = PromptTemplate(input_variables=["topic"],  # 模板中使用的變量template=template  # 模板字符串
)

2. 填充模板

# 定義輸入變量
input_variables = {"topic": "人工智能"}# 使用輸入變量填充模板
prompt = prompt_template.format(**input_variables)
print(prompt)  # 輸出: 請用簡明的語言介紹一下人工智能。

三、 進階用法

LangChain 的 PromptTemplate 還支持更多復雜的用法，如嵌套模板和動態變量。

1. 使用多個變量

template = "請用簡明的語言介紹一下{topic}，并解釋它的{aspect}。"prompt_template = PromptTemplate(input_variables=["topic", "aspect"],template=template
)input_variables = {"topic": "機器學習", "aspect": "應用"}
prompt = prompt_template.format(**input_variables)
print(prompt)  # 輸出: 請用簡明的語言介紹一下機器學習，并解釋它的應用。

2. 嵌套模板

可以創建嵌套的模板，以便在復雜的情況下重用模板。

base_template = "請用簡明的語言介紹一下{topic}。"
aspect_template = base_template + " 并解釋它的{aspect}。"prompt_template = PromptTemplate(input_variables=["topic", "aspect"],template=aspect_template
)input_variables = {"topic": "深度學習", "aspect": "基本原理"}
prompt = prompt_template.format(**input_variables)
print(prompt)  # 輸出: 請用簡明的語言介紹一下深度學習。并解釋它的基本原理。

3. 動態變量

LangChain 支持動態生成輸入變量。

def generate_topic():return "自然語言處理"template = "請用簡明的語言介紹一下{topic}。"prompt_template = PromptTemplate(input_variables=["topic"],template=template
)# 使用動態生成的變量填充模板
input_variables = {"topic": generate_topic()}
prompt = prompt_template.format(**input_variables)
print(prompt)  # 輸出: 請用簡明的語言介紹一下自然語言處理。

四、 應用模板與大模型交互

以下示例展示如何將創建的 prompt 應用于與 OpenAI 的大模型進行交互：

import openai
from langchain.prompts import PromptTemplate# 定義和創建 PromptTemplate 對象
template = "請用簡明的語言介紹一下{topic}。"
prompt_template = PromptTemplate(input_variables=["topic"],template=template
)# 填充模板
input_variables = {"topic": "人工智能"}
prompt = prompt_template.format(**input_variables)
print("生成的 prompt:", prompt)# 設定 OpenAI API 密鑰
openai.api_key = 'your-api-key'# 調用 OpenAI API 生成內容
response = openai.Completion.create(engine="davinci-codex",  # 或者使用 "gpt-4" 模型prompt=prompt,max_tokens=150  # 設置生成內容的長度
)# 打印模型的響應
print("模型的響應:", response.choices[0].text.strip())

五、疑問解答

有的同學應該會有下面的疑問

想問一下 prompt = prompt_template.format(**input_variables) 這個代碼里的 **
的作用是什么

在 Python 中，** 運算符用于將字典解包（unpack）成關鍵字參數（keyword arguments）。它將字典中的鍵值對傳遞給函數或方法，使每個鍵值對變成單獨的關鍵字參數。

具體到你的代碼 prompt = prompt_template.format(**input_variables)，這里的 **input_variables 作用是將 input_variables 字典中的鍵值對解包成 format 方法的關鍵字參數。

1. 舉例說明

假設 input_variables 字典如下：

input_variables = {"topic": "人工智能"}

使用 ** 解包后，相當于調用：

prompt = prompt_template.format(topic="人工智能")

這意味著字典中的鍵 topic 被作為關鍵字參數名，而對應的值 人工智能 被作為關鍵字參數值傳遞給 format 方法。

2. 更詳細的例子

考慮一個更復雜的示例，包含多個鍵值對：

input_variables = {"topic": "機器學習", "aspect": "應用"}

使用 ** 解包后，相當于調用：

prompt = prompt_template.format(topic="機器學習", aspect="應用")

這樣，format 方法就能識別并替換模板字符串中的 {topic} 和 {aspect} 占位符。

通過這種方式，** 運算符使代碼更簡潔和靈活，能夠方便地將字典中的值傳遞給函數或方法。

總結

通過以上示例，我們可以看到 LangChain 的 PromptTemplate 是如何靈活地創建和管理提示模板的。這些模板可以極大地簡化生成復雜提示的過程，并且可以方便地與大型語言模型進行交互。無論是簡單的單變量模板，還是復雜的多變量和嵌套模板，LangChain 都能提供強大的支持。