Prompts模板详解 - 元素码农

发布时间: 2025-03-29 18:53

↑

# Prompts模板详解

本文将详细介绍LangChain中的Prompts模板系统，帮助你更好地管理和使用提示模板。

## 基础概念

### 1. 什么是Prompt模板

Prompt模板是一种结构化的文本模板，用于生成发送给语言模型的输入。它可以包含：
- 固定的文本内容
- 可变的占位符
- 格式化指令

### 2. 为什么需要Prompt模板

- 标准化提示格式
- 减少重复代码
- 提高可维护性
- 便于复用和修改

## 模板类型

### 1. PromptTemplate

最基础的模板类型：

```python
from langchain.prompts import PromptTemplate

# 创建基础模板
template = """请用{tone}的语气介绍{topic}。

要求：
1. {requirement1}
2. {requirement2}
"""

prompt = PromptTemplate(
    input_variables=["tone", "topic", "requirement1", "requirement2"],
    template=template
)

# 使用模板
result = prompt.format(
    tone="专业",
    topic="人工智能",
    requirement1="包含具体例子",
    requirement2="解释核心概念"
)
```

### 2. ChatPromptTemplate

专门用于对话场景的模板：

```python
from langchain.prompts import ChatPromptTemplate
from langchain.prompts.chat import SystemMessagePromptTemplate
from langchain.prompts.chat import HumanMessagePromptTemplate

# 创建系统消息模板
system_template = "你是一个{role}，专门回答{field}相关的问题。"
system_message_prompt = SystemMessagePromptTemplate.from_template(system_template)

# 创建用户消息模板
human_template = "{question}"
human_message_prompt = HumanMessagePromptTemplate.from_template(human_template)

# 组合模板
chat_prompt = ChatPromptTemplate.from_messages([
    system_message_prompt,
    human_message_prompt
])

# 格式化消息
messages = chat_prompt.format_messages(
    role="AI教师",
    field="Python编程",
    question="什么是装饰器？"
)
```

### 3. FewShotPromptTemplate

包含示例的模板：

```python
from langchain.prompts import FewShotPromptTemplate
from langchain.prompts import PromptTemplate

# 定义示例
examples = [
    {"word": "快乐", "antonym": "悲伤"},
    {"word": "高", "antonym": "低"},
    {"word": "冷", "antonym": "热"}
]

# 创建示例模板
example_template = "词语: {word}\n反义词: {antonym}\n"
example_prompt = PromptTemplate(
    input_variables=["word", "antonym"],
    template=example_template
)

# 创建few-shot模板
few_shot_prompt = FewShotPromptTemplate(
    examples=examples,
    example_prompt=example_prompt,
    prefix="给出以下词语的反义词：\n",
    suffix="词语: {input}\n反义词:",
    input_variables=["input"],
    example_separator="\n"
)
```

## 高级用法

### 1. 模板组合

```python
from langchain.prompts import PipelinePromptTemplate

# 创建多个模板
full_template = """{introduction}

{example}

{question}"""

intro_template = "让我来为你解释{topic}。"
example_template = "这里有一个例子：{example}"
question_template = "现在，{question}"

# 创建子模板
intro_prompt = PromptTemplate(template=intro_template, input_variables=["topic"])
example_prompt = PromptTemplate(template=example_template, input_variables=["example"])
question_prompt = PromptTemplate(template=question_template, input_variables=["question"])

# 组合模板
pipeline_prompt = PipelinePromptTemplate(
    final_prompt=PromptTemplate(template=full_template, input_variables=["introduction", "example", "question"]),
    pipeline_prompts=[
        ("introduction", intro_prompt),
        ("example", example_prompt),
        ("question", question_prompt)
    ]
)
```

### 2. 自定义模板

```python
from langchain.prompts import StringPromptTemplate
from typing import List

class CustomPromptTemplate(StringPromptTemplate):
    template: str
    input_variables: List[str]
    
    def format(self, **kwargs) -> str:
        # 添加自定义处理逻辑
        processed_kwargs = {}
        for key, value in kwargs.items():
            processed_kwargs[key] = value.upper()
        
        return self.template.format(**processed_kwargs)

# 使用自定义模板
custom_prompt = CustomPromptTemplate(
    template="这是{text}",
    input_variables=["text"]
)
```

## 最佳实践

### 1. 模板设计原则

1. **清晰具体**
   - 明确任务目标
   - 提供具体要求
   - 包含示例说明

2. **结构化组织**
   - 逻辑分段
   - 合理使用格式
   - 适当的空白

3. **灵活可配置**
   - 提取可变部分
   - 合理使用默认值
   - 支持条件控制

### 2. 错误处理

```python
from langchain.prompts import PromptTemplate

def safe_format_prompt(prompt: PromptTemplate, **kwargs) -> str:
    try:
        return prompt.format(**kwargs)
    except KeyError as e:
        print(f"缺少必要的变量：{e}")
        return ""
    except Exception as e:
        print(f"格式化错误：{e}")
        return ""
```

### 3. 模板管理

```python
# prompts/qa_prompts.py
from langchain.prompts import PromptTemplate

QA_TEMPLATE = """
问题：{question}

请提供详细的回答，包括：
1. 核心概念解释
2. 实际应用例子
3. 相关知识链接
"""

qa_prompt = PromptTemplate(
    template=QA_TEMPLATE,
    input_variables=["question"]
)
```

## 总结

Prompts模板系统是LangChain的重要组成部分：
- 提供多种模板类型
- 支持灵活的组合
- 便于扩展和自定义
- 提高代码可维护性

掌握Prompts模板的使用，将帮助你更好地构建AI应用。