当前位置: 首页 > article >正文

LangChain中使用Prompt01

1.引入提示模板

from langchain.prompts import (
    SystemMessagePromptTemplate,
    AIMessagePromptTemplate,
    HumanMessagePromptTemplate,
)

2.设置系统提示

system_template_text="你是一位专业的翻译,能够将{input_language}翻译成{output_language},并且输出文本会根据用户要求的任何语言风格进行调整。请只输出翻译后的文本,不要有任何其它内容。"
system_prompt_template = SystemMessagePromptTemplate.from_template(system_template_text)

3.输出系统提示

system_prompt_template

SystemMessagePromptTemplate(prompt=PromptTemplate(input_variables=[‘input_language’, ‘output_language’], template=‘你是一位专业的翻译,能够将{input_language}翻译成{output_language},并且输出文本会根据用户要求的任何语言风格进行调整。请只输出翻译后的文本,不要有任何其它内容。’))

4.输出系统提示参数值

system_prompt_template.input_variables

输出:[‘input_language’, ‘output_language’]

5.设置用户提示

human_template_text="文本:{text}\n语言风格:{style}"
human_prompt_template = HumanMessagePromptTemplate.from_template(human_template_text)

6.输出用户提示

human_prompt_template.input_variables

输出:[‘style’, ‘text’]

7.为系统提示输入值并输出

system_prompt = system_prompt_template.format(input_language="英语", output_language="汉语")
system_prompt

输出:SystemMessage(content=‘你是一位专业的翻译,能够将英语翻译成汉语,并且输出文本会根据用户要求的任何语言风格进行调整。请只输出翻译后的文本,不要有任何其它内容。’)

8.为用户提示设置值并输出

human_prompt = human_prompt_template.format(text="I'm so hungry I could eat a horse", style="文言文")
human_prompt

输出:HumanMessage(content=“文本:I’m so hungry I could eat a horse\n语言风格:文言文”)

9.将提示输入模型
from langchain_openai import ChatOpenAI
model = ChatOpenAI(model=“gpt-3.5-turbo”,base_url=“https://api.chatanywhere.tech/v1”)
response = model.invoke([
system_prompt,
human_prompt
])

10.输出结果

print(response.content)

输出:吾今飢甚,可食馬矣。

11.多个示例输入

input_variables = [
    {
        "input_language": "英语",
        "output_language": "汉语",
        "text": "I'm so hungry I could eat a horse",
        "style": "文言文"
    },
    {
        "input_language": "法语",
        "output_language": "英语",
        "text": "Je suis désolé pour ce que tu as fait",
        "style": "古英语"
    },
    {
        "input_language": "俄语",
        "output_language": "意大利语",
        "text": "Сегодня отличная погода",
        "style": "网络用语"
    },
    {
        "input_language": "韩语",
        "output_language": "日语",
        "text": "너 정말 짜증나",
        "style": "口语"
    }
]

12.输出

for input in input_variables:
    response = model.invoke([
        system_prompt_template.format(input_language=input["input_language"], output_language=input["output_language"]), 
        human_prompt_template.format(text=input["text"], style=input["style"])])
    print(response.content)

输出:
吾今飢甚,可食馬也。
I am sorry for what thou hast done
Oggi il tempo è fantastico.
お前、マジでイライラするな。


http://www.kler.cn/news/342693.html

相关文章:

  • 从 Reno TCP 到 Scalable TCP,HighSpeed TCP
  • 传智杯 第六届—C
  • 判断IP状态有什么作用?
  • 让你一看就懂,Javascript的原型和原型链
  • 基于PHP的校园二手书交易管理系统
  • 达梦DBLINK访问ORACLE配置方法
  • HE染色:揭示细胞细节,助力病理诊断|文献速递·24-10-11
  • 数据结构与算法——Java实现 33.堆排序
  • 第一个Flutter应用解析(一)
  • React中的refs是什么?
  • 腾讯云SDK地址生成器
  • Django-rest-framework(DRF)怎么实现Excel文件导出
  • Mysql(五) --- 数据库设计
  • 解析一体式IO与分布式IO:从架构到应用
  • NASA:Seasat-A 散射计(SASS)得出的风速和风向矢量数据集
  • MATLAB使用高斯消元法计算方程组的解
  • TikTok Shop美区跨境商家入驻标准大调整,怎么批量采集tiktok达人信息?
  • 获取鸿蒙设备Udid遇到的问题
  • 极狐GitLab X 某轨道交通控制系统龙头企业,助力业务研发敏捷化
  • @Transactional声明式事务回调编程