如何将提示组合在一起

先决条件

本指南假设您熟悉以下概念

• 提示模板

LangChain 提供了一个用户友好的界面，用于将提示的不同部分组合在一起。您可以使用字符串提示或聊天提示来执行此操作。以这种方式构建提示允许轻松重复使用组件。

字符串提示组合

在使用字符串提示时，每个模板都会连接在一起。您可以直接使用提示或字符串（列表中的第一个元素必须是提示）。

import { PromptTemplate } from "@langchain/core/prompts";

const prompt = PromptTemplate.fromTemplate(
  `Tell me a joke about {topic}, make it funny and in {language}`
);

prompt;

PromptTemplate {
  lc_serializable: true,
  lc_kwargs: {
    inputVariables: [ "topic", "language" ],
    templateFormat: "f-string",
    template: "Tell me a joke about {topic}, make it funny and in {language}"
  },
  lc_runnable: true,
  name: undefined,
  lc_namespace: [ "langchain_core", "prompts", "prompt" ],
  inputVariables: [ "topic", "language" ],
  outputParser: undefined,
  partialVariables: undefined,
  templateFormat: "f-string",
  template: "Tell me a joke about {topic}, make it funny and in {language}",
  validateTemplate: true
}

await prompt.format({ topic: "sports", language: "spanish" });

"Tell me a joke about sports, make it funny and in spanish"

聊天提示组合

聊天提示由消息列表组成。与上面的示例类似，我们可以连接聊天提示模板。每个新元素都是最终提示中的新消息。

首先，让我们使用ChatPromptTemplate 初始化一个SystemMessage。

import {
  AIMessage,
  HumanMessage,
  SystemMessage,
} from "@langchain/core/messages";

const prompt = new SystemMessage("You are a nice pirate");

然后，您可以轻松地创建一个管道，将其与其他消息或消息模板组合在一起。在没有要格式化的变量时使用BaseMessage，在有要格式化的变量时使用MessageTemplate。您也可以只使用字符串（注意：这将自动推断为HumanMessagePromptTemplate）。

import { HumanMessagePromptTemplate } from "@langchain/core/prompts";

const newPrompt = HumanMessagePromptTemplate.fromTemplate([
  prompt,
  new HumanMessage("Hi"),
  new AIMessage("what?"),
  "{input}",
]);

在幕后，这将创建一个 ChatPromptTemplate 类的实例，因此您可以像以前一样使用它！

await newPrompt.formatMessages({ input: "i said hi" });

[
  HumanMessage {
    lc_serializable: true,
    lc_kwargs: {
      content: [
        { type: "text", text: "You are a nice pirate" },
        { type: "text", text: "Hi" },
        { type: "text", text: "what?" },
        { type: "text", text: "i said hi" }
      ],
      additional_kwargs: {},
      response_metadata: {}
    },
    lc_namespace: [ "langchain_core", "messages" ],
    content: [
      { type: "text", text: "You are a nice pirate" },
      { type: "text", text: "Hi" },
      { type: "text", text: "what?" },
      { type: "text", text: "i said hi" }
    ],
    name: undefined,
    additional_kwargs: {},
    response_metadata: {}
  }
]

使用 PipelinePrompt

LangChain 包含一个名为PipelinePromptTemplate 的类，当您想要重复使用提示的某些部分时，它非常有用。PipelinePrompt 由两个主要部分组成

• 最终提示：返回的最终提示
• 管道提示：一个元组列表，由一个字符串名称和一个提示模板组成。每个提示模板都将被格式化，然后作为具有相同名称的变量传递给将来的提示模板。

import {
  PromptTemplate,
  PipelinePromptTemplate,
} from "@langchain/core/prompts";

const fullPrompt = PromptTemplate.fromTemplate(`{introduction}

{example}

{start}`);

const introductionPrompt = PromptTemplate.fromTemplate(
  `You are impersonating {person}.`
);

const examplePrompt =
  PromptTemplate.fromTemplate(`Here's an example of an interaction:
Q: {example_q}
A: {example_a}`);

const startPrompt = PromptTemplate.fromTemplate(`Now, do this for real!
Q: {input}
A:`);

const composedPrompt = new PipelinePromptTemplate({
  pipelinePrompts: [
    {
      name: "introduction",
      prompt: introductionPrompt,
    },
    {
      name: "example",
      prompt: examplePrompt,
    },
    {
      name: "start",
      prompt: startPrompt,
    },
  ],
  finalPrompt: fullPrompt,
});

const formattedPrompt = await composedPrompt.format({
  person: "Elon Musk",
  example_q: `What's your favorite car?`,
  example_a: "Telsa",
  input: `What's your favorite social media site?`,
});

console.log(formattedPrompt);

You are impersonating Elon Musk.

Here's an example of an interaction:
Q: What's your favorite car?
A: Telsa

Now, do this for real!
Q: What's your favorite social media site?
A:

下一步

您现在已经学习了如何将提示组合在一起。

接下来，查看本节中有关提示模板的其他操作指南，例如将少样本示例添加到您的提示模板。