占位符操作搞定。。。

02-提示词模板/03-ICL入门.py

@@ -0,0 +1,54 @@
+from langchain_core.prompts import PromptTemplate, FewShotPromptTemplate
+
+from langchain_openai import ChatOpenAI
+
+from env_util import DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL
+
+# llm对象就是调用大模型的对象
+llm = ChatOpenAI(
+    model = "qwen-plus",
+    base_url=DASHSCOPE_BASE_URL,
+    api_key=DASHSCOPE_API_KEY,
+    temperature=0.8,
+);
+
+# 提示词
+examples = [
+    {
+        "question": "罗纳尔多·路易斯·纳萨里奥·德·利马 世界杯进了多少球？",
+        "answer": """
+            中间问题：罗纳尔多·路易斯·纳萨里奥·德·利马 参加了哪几届世界杯？
+            中间答案：…………
+            中间问题：罗纳尔多·路易斯·纳萨里奥·德·利马 分别在这几届进了多少球？
+            中间答案：…………
+            最终答案：罗纳尔多·路易斯·纳萨里奥·德·利马 世界杯进了xx球。
+        """
+    },
+    {
+        "question": "周星驰参演了多少部电影？",
+        "answer": """
+            中间问题：周星驰哪几年参演了电影？
+            中间答案：…………
+            中间问题：周星驰分别在这几年参演了多少电影？
+            中间答案：…………
+            最终答案：周星驰参演了xx部电影。
+        """
+    }
+]
+
+base_template = PromptTemplate.from_template("问题：{question}\n{answer}")
+
+example_template = FewShotPromptTemplate(
+    example_prompt = base_template,  # 前面的模板格式
+    examples = examples,       # ICL的示例
+    suffix = "问题：{input}",
+    input_variables=["input"]
+)
+
+chain = example_template | llm
+
+input = {"input": "梅西世界杯进了多少球？"}
+
+resp = chain.invoke(input)
+
+print(resp)

02-提示词模板/04-聊天提示词.py

@@ -0,0 +1,36 @@
+from langchain_core.messages import HumanMessage
+from langchain_core.prompts import PromptTemplate, FewShotPromptTemplate, ChatPromptTemplate, MessagesPlaceholder
+
+from langchain_openai import ChatOpenAI
+
+from env_util import DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL
+
+# llm对象就是调用大模型的对象
+llm = ChatOpenAI(
+    model = "qwen-plus",
+    base_url=DASHSCOPE_BASE_URL,
+    api_key=DASHSCOPE_API_KEY,
+    temperature=0.8,
+);
+
+# {topic}：变量占位符
+# MessagesPlaceholder("msg")  消息占位符
+# ("system","你是一个相声演员")
+
+# 单个变量方式
+# prompt_template = ChatPromptTemplate.from_messages([
+#     ("system","你是一个相声演员"),  # 给大模型一个定位
+#     ("user","给我来段{topic}")     # 需要用户输入一个变量
+# ])
+
+# 全部内容由用户输入的方式
+prompt_template = ChatPromptTemplate.from_messages([
+    ("system","你是一个相声演员"),  # 给大模型一个定位
+    MessagesPlaceholder("input")  # 需要用户完整输入
+])
+
+chain = prompt_template | llm
+
+resp = chain.invoke({"input": [HumanMessage(content = "给我来段贯口")]})
+
+print(resp)

02-提示词模板/05-聊天提示词+ICL.py

@@ -0,0 +1,50 @@
+from langchain_core.messages import HumanMessage
+from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder, \
+    FewShotChatMessagePromptTemplate
+
+from langchain_openai import ChatOpenAI
+
+from env_util import DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL
+
+# llm对象就是调用大模型的对象
+llm = ChatOpenAI(
+    model = "qwen-plus",
+    base_url=DASHSCOPE_BASE_URL,
+    api_key=DASHSCOPE_API_KEY,
+    temperature=0.8,
+);
+
+# 示例
+examples = [
+    {"input": "2 😫 3","output": "6"},
+    {"input": "2 😫 4","output": "8"},
+];
+# 示例格式（给大模型学习的）
+example_prompt = ChatPromptTemplate.from_messages(
+    [
+        ('human',"{input}"),
+        ('ai',"{output}")
+    ]
+);
+# 组装ICL模板
+icl_template = FewShotChatMessagePromptTemplate(
+    examples=examples,
+    example_prompt=example_prompt,
+);
+
+# 聊天模板，组合上ICL
+prompt_template = ChatPromptTemplate.from_messages([
+    ("system","你是一个智能助手"),
+    icl_template,
+    MessagesPlaceholder("ques")
+]);
+
+# 组装执行
+chain = prompt_template | llm
+
+resp = chain.invoke(
+    # 课程里说可以不加[]，但是测试得出，[]必须要有。。。。
+    {"ques": [HumanMessage(content = "2 😫 67")]}
+);
+
+print(resp)

02-提示词模板/06-聊天提示词快速使用.py

@@ -0,0 +1,33 @@
+from langchain_core.messages import HumanMessage
+from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder, \
+    FewShotChatMessagePromptTemplate, PromptTemplate
+
+from langchain_openai import ChatOpenAI
+
+from env_util import DASHSCOPE_API_KEY, DASHSCOPE_BASE_URL
+
+# llm对象就是调用大模型的对象
+llm = ChatOpenAI(
+    model = "qwen-plus",
+    base_url=DASHSCOPE_BASE_URL,
+    api_key=DASHSCOPE_API_KEY,
+    temperature=0.8,
+);
+
+
+s = PromptTemplate.from_template("你是个相声演员，给我来段{topic}。");
+print(s)
+prompt = (
+    PromptTemplate.from_template("你是个相声演员，给我来段{topic}。")
+    + "，要求：1、内容搞笑。"
+    + "2、输出采用{language}"
+)
+print(prompt)
+chain = prompt | llm
+
+resp = chain.invoke(
+    {"topic": "贯口","language": "English"}
+)
+
+
+print(resp)