ChatPromptTemplate 是 LangChain 中专门用于管理多角色对话结构的提示词模板工具。它的核心价值在于,开发者可以预先定义差别范例的对话角色消息(如体系指令、用户提问、AI历史复兴),并通过数据绑定动态生成完备对话上下文。
1.角色消息模板化
为每类对话角色设置预设的消息格式,支持动态变量插值:
- from langchain_core.prompts import ChatPromptTemplate
- template = ChatPromptTemplate.from_messages([
- ("system", "你是一个{topic}领域的专家"), # 系统指令,可替换topic变量
- ("user", "{query}"), # 用户提问内容占位符
- ("assistant", "好的,我会仔细思考这个问题"), # 预置AI回复样本
- ("human", "请继续分析以下内容:{input}") # 新用户信息输入
- ])
复制代码 2.动态参数注入
通过字典传入变量值,主动生成完备对话结构:
- prompt = template.format_messages(
- topic="量子物理",
- query="如何解释量子纠缠现象?",
- input="量子纠缠与时空结构的关系是什么"
- )
复制代码 3.关联模型调用链路
搭配模型构成处理链条,可直接生成相应:
- chain = template | llm # llm为语言模型实例
- response = chain.invoke({
- "topic": "编程教学",
- "query": "如何学习Python?",
- "input": "推荐具体的学习路径"
- })
复制代码 演示:
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作!更多信息从访问主页:qidao123.com:ToB企服之家,中国第一个企服评测及商务社交产业平台。 |