LangChain中使用Prompt01

server/2024/10/11 7:01:55/

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.ppmy.cn/server/130014.html

相关文章

android studio可用下载地址

AndroidDevTools - Android开发工具 Android SDK下载 Android Studio下载 Gradle下载 SDK Tools下载 在此记录一下

Elasticsearch 索引数据预处理

pipeline 在文档写入 ES 之前,对数据进行预处理(ingest)工作通过定义 pipeline 和 processors 实现。 注意:数据预处理必须在 Ingest node 节点处理,ES 默认所有节点都是 Ingest node。 如果需要禁用 Ingest &#x…

智能EDA小白从0开始 —— DAY15 PADS

PADS(Personal Automated Design System)作为一款由Mentor Graphics公司推出的电子设计自动化(EDA)软件,自1986年面世以来,一直在电子设计领域扮演着重要角色。PADS以其模块化的设计、丰富的功能和稳定的性…

服装生产管理的数字化转型:SpringBoot框架

4 系统设计 4.1 系统结构设计 在结构设计过程中,首先对系统进行需求分析,然后进行系统初步设计,将系统功能模块细化,具体分析每一个功能模块具体应该首先哪些功能,最后将各个模块进行整合,实现系统结构的…

GitHub Copilot 使用手册(一)--配置

一、 什么是GitHub Copilot GitHub Copilot 是GitHub和OpenAI合作开发的一个人工智能工具,在使用Visual Studio Code、Microsoft Visual Studio、Vim、Cursor或JetBrains等IDE时可以协助用户编写代码等工作,实现虚拟的结对编程。 二、 GitHub Copilot …

003 Springboot操作RabbitMQ

Springboot整合RabbitMQ 文章目录 Springboot整合RabbitMQ1.pom依赖2.yml配置3.配置队列、交换机方式一:直接通过配置类配置bean方式二:消息监听通过注解配置 4.编写消息监听发送测试5.其他类型交换机配置1.FanoutExchange2.TopicExchange3.HeadersExcha…

java连接mysql查询数据(基础版,无框架)

依赖引入: <dependency><groupId>mysql</groupId><artifactId>mysql-connector-java

SpringBoot WebSocket Jmeter压力测试 踩坑记录之URL

先说结论&#xff0c;使用Jmeter压测的时候一定要在URL上区分出哪些是sessionId &#xff0c;否则可能会出现会话重复的情况。 以下是具体内容&#xff1a; 以下面的 WebSocket URL 为例&#xff1a; ws://127.0.0.1:8005/market-ws/110/uyux3kws/websocket 这个 URL 可以…