如何使用 LangChain 组合提示符模板

在现代AI应用中，构建灵活且易于重用的提示符（Prompt）是开发者的核心需求之一。LangChain 提供了一种直观的方法来组合不同部分的提示，从而实现提示符模板的高效组合和再利用。本篇文章将通过几个具体的例子，带您了解如何在 LangChain 中进行提示符的组合。

技术背景介绍

LangChain 是一个用于处理语言模型提示符的框架，它支持将字符串提示符和聊天提示符进行组合，从而提高开发效率和代码复用性。提示符组合的方式不仅支持简单的字符串拼接，还支持复杂的聊天消息组合。

核心原理解析

在 LangChain 中，提示符模板的组合包括两种主要方法：字符串提示符组合和聊天提示符组合。通过这些方法，开发者可以创建复杂的提示符，涵盖不同的变量和格式化需求。

字符串提示符组合

当使用字符串提示符时，可以通过连接多个模板来组合提示符。可以直接操作提示符对象或字符串，前提是列表中的第一个元素需要是提示符。

from langchain_core.prompts import PromptTemplate

# 创建一个简单的字符串提示符模板
prompt = (
    PromptTemplate.from_template("Tell me a joke about {topic}")
    + ", make it funny"
    + "\n\nand in {language}"
)

# 格式化提示符
formatted_prompt = prompt.format(topic="sports", language="spanish")
print(formatted_prompt)
# 输出: 'Tell me a joke about sports, make it funny\n\nand in spanish'

聊天提示符组合

对于聊天提示符，每个元素都是最终提示符中的一条新消息。可以使用 SystemMessage、HumanMessage 和 AIMessage 等类来构建提示符链。

from langchain_core.messages import AIMessage, HumanMessage, SystemMessage

# 初始化系统消息
prompt = SystemMessage(content="You are a nice pirate")

# 创建一个新的聊天提示符链
new_prompt = (
    prompt + HumanMessage(content="hi") + AIMessage(content="what?") + "{input}"
)

# 格式化聊天消息
formatted_messages = new_prompt.format_messages(input="i said hi")
print(formatted_messages)
# 输出: [SystemMessage(content='You are a nice pirate'), HumanMessage(content='hi'), AIMessage(content='what?'), HumanMessage(content='i said hi')]

代码实现演示(重点)

使用 PipelinePrompt 进行组合

LangChain 的 PipelinePromptTemplate 类支持将提示符的各个部分分开，通过管道模式进行组合。

from langchain_core.prompts import PipelinePromptTemplate, PromptTemplate

# 定义最终模板
full_template = """{introduction}

{example}

{start}"""
full_prompt = PromptTemplate.from_template(full_template)

# 定义每个阶段的提示符模板
introduction_template = """You are impersonating {person}."""
example_template = """Here's an example of an interaction:

Q: {example_q}
A: {example_a}"""
start_template = """Now, do this for real!

Q: {input}
A:"""

# 创建对应的提示符对象
introduction_prompt = PromptTemplate.from_template(introduction_template)
example_prompt = PromptTemplate.from_template(example_template)
start_prompt = PromptTemplate.from_template(start_template)

# 结合所有提示符模板
input_prompts = [
    ("introduction", introduction_prompt),
    ("example", example_prompt),
    ("start", start_prompt),
]
pipeline_prompt = PipelinePromptTemplate(
    final_prompt=full_prompt, pipeline_prompts=input_prompts
)

# 格式化输出最终提示符
formatted_pipeline_prompt = pipeline_prompt.format(
    person="Elon Musk",
    example_q="What's your favorite car?",
    example_a="Tesla",
    input="What's your favorite social media site?",
)
print(formatted_pipeline_prompt)

应用场景分析

1. 智能客服系统：组合不同的提示符，提高问答的自然性和多样性。
2. 内容生成工具：创建复杂的内容生成模板，支持多语言和多主题生成。
3. 交互式应用：在聊天机器人中利用多层次的提示符组合，提升用户体验。

实践建议

• 在组合提示符时，确保模板的变量名一致，以便顺畅地传递数据。
• 使用 PipelinePromptTemplate 进行复杂提示符的组合，可以提高代码的清晰度和效率。
• 定期重构和优化组合的提示符，以适应新的需求和应用场景。

如果遇到问题欢迎在评论区交流。

—END—