初识Prompt工程与LangChain

大模型开发/技术交流

2024.11.19312看过

初识Prompt工程与LangChain

Prompt，也就是我们所说的“指令”，是我们与大模型交互的基础。

大模型通过理解我们的prompt来生成对应的回答，一个好的prompt能够更好的教会大模型往哪些方面思考、如何思考。简而言之，Prompt是沟通人类意图与机器智能的桥梁，它决定了模型输出的质量和相关性。因此，学会prompt工程是至关重要。

1. Prompt模板的分类

在LangChain框架中，存在两种核心的提示模板类型：StringPromptTemplate用于构建字符串形式的提示，而BaseChatPromptTemplate则用于构建聊天场景中的提示。

基于这两种基础模板，LangChain进一步发展出了多种定制化的提示模板，以适应各种特定的应用场景。

为了更好的说明每种模板，并进行对比，在结合小册的例子基础上，我给每类模板总结了详细的示例——

第一类 PromptTemplate 示例

用途：构建简单的提示，用于直接询问或命令。

示例：

在这个例子中，PromptTemplate 用于生成一个简单的查询，模型需要根据这个直接的问题提供答案。

第二类 ChatPromptTemplate 示例

用途：模拟聊天场景中的对话，可以包含不同角色的互动。

示例：

  
  
  
  
  
  
   
   
   
   
   
   
    [
   
   
   
   
   
   
   
   
   
   
   
   
      {"role": "user", "content": "你好，我需要帮助选择一款笔记本电脑。"},
   
   
   
   
   
   
   
   
   
   
   
   
      {"role": "assistant", "content": "当然可以，你打算用笔记本电脑做什么呢？"}
   
   
   
   
   
   
   
   
   
   
   
   
    ]

在这个例子中，ChatPromptTemplate 用于创建一个用户和助手之间的对话，模拟了一个真实的问答场景。

第三类 FewShotPromptTemplate 示例

用途：通过提供少量示例来引导模型理解并完成类似的任务。

示例：

  
  
  
  
  
  
   
   
   
   
   
   
    {
   
   
   
   
   
   
   
   
   
   
   
   
      "examples": [
   
   
   
   
   
   
   
   
   
   
   
   
        {"input": "上海", "output": "上海是中国的一个城市"},
   
   
   
   
   
   
   
   
   
   
   
   
        {"input": "自由女神像", "output": "自由女神像是美国的一个雕像"}
   
   
   
   
   
   
   
   
   
   
   
   
      ],
   
   
   
   
   
   
   
   
   
   
   
   
      "prompt": "埃菲尔铁塔"
   
   
   
   
   
   
   
   
   
   
   
   
    }

在这个例子中，FewShotPromptTemplate 提供了几个示例输入和输出对，模型通过这些示例学习如何回答关于“埃菲尔铁塔”的问题。

2. Prompt模板的构建：以豆包为例

大多数情况下，在经过专业人员的调试后，我们的模板是保持不变的。改变的仅仅是少部分模板的参数。

以豆包大模型提供的上述“写文章”例子为例，我们只需要改变文章的主题、发布平台，这两个主要关键参数。豆包就能帮我们生成最匹配的文章内容。

整个prompt可以理解为——

  
  
  
  
  
  
   
   
   
   
   
   
    帮我写一篇关于{theme}的{platform}文章

实际在编码过程中，编码为——

  
  
  
  
  
  
   
   
   
   
   
   
    prompt = PromptTemplate(
   
   
   
   
   
   
   
   
   
   
   
   
        input_variables=["theme", "platform"],
   
   
   
   
   
   
   
   
   
   
   
   
        template="帮我写一篇关于{theme}的{platform}文章",
   
   
   
   
   
   
   
   
   
   
   
   
    )
   
   
   
   
   
   
   
   
   
   
   
   
    print(prompt.format(theme="大模型", platform="掘金"))

那么，最终生成的模板即为（见控制台）

这样的模板工程，极大的简化了用户的输入工作量，同时，也不会让模型回答跑偏。

总结

通过学习Prompt工程和LangChain，我更加理解了在提示词上，如何有效地与大模型进行交互。

在实际应用中，我们需要不断探索和实践，以找到最适合特定任务的Prompt构建方法和示例选择策略。这不仅是技术的提升，也是对人工智能应用深度理解的过程。

————————————————

原文链接：https://juejin.cn/post/7431141245211082752

如有侵权，请联系千帆社区进行删除

初识Prompt工程与LangChain