自然语言处理从入门到应用——LangChain：提示（Prompts）-[提示模板：序列化提示信息]
分类目录：《自然语言处理从入门到应用》总目录
将提示信息存储为文件而不是Python代码通常更好。这样可以方便共享、存储和版本控制提示信息。本文介绍了如何在LangChain中进行提示信息的序列化，包括不同类型的提示信息和不同的序列化选项。
在高层次上，序列化遵循以下设计原则：
- 支持JSON和YAML。LangChain希望支持在磁盘上易于阅读的序列化方法，而YAML和JSON是其中两种最受欢迎的方法。需要注意的是，此规则适用于提示信息。对于其他内容（例如示例），可能支持不同的序列化方法。
- LangChain支持在一个文件中指定所有内容，或者将不同的组件（模板、示例等）存储在不同的文件中并进行引用。对于某些情况，将所有内容存储在一个文件中可能是最合适的，但对于其他情况，将某些内容拆分开（长模板、大型示例、可重用组件）可能更好。而LangChain同时支持这两种方式。
LangChain还提供了一个单一的入口点，用于从磁盘加载提示信息，从而轻松加载任何类型的提示信息。
# All prompts are loaded through the `load_prompt` function.
from langchain.prompts import load_prompt
PromptTemplate
本部分介绍了加载PromptTemplate
从YAML加载
下面是从YAML加载PromptTemplate的示例：
本地文件：
!cat simple_prompt.yaml_type: promptinput_variables:["adjective", "content"]template: Tell me a {adjective} joke about {content}.
输入：
prompt = load_prompt("simple_prompt.yaml")
print(prompt.format(adjective="funny", content="chickens"))
输出：
Tell me a funny joke about chickens.
从JSON加载
下面是从JSON加载PromptTemplate的示例：
本地文件：
!cat simple_prompt.json{"_type": "prompt","input_variables": ["adjective", "content"],"template": "Tell me a {adjective} joke about {content}."}
输入：
prompt = load_prompt("simple_prompt.json")
print(prompt.format(adjective="funny", content="chickens"))
输出：
Tell me a funny joke about chickens.
从文件加载
下面是将模板存储在单独文件中，并在配置中引用该文件的示例。需要注意的是，键从template更改为template_path。
本地文件：
!cat simple_template.txt
Tell me a {adjective} joke about {content}.!cat simple_prompt_with_template_file.json{"_type": "prompt","input_variables": ["adjective", "content"],"template_path": "simple_template.txt"}
输入：
prompt = load_prompt("simple_prompt_with_template_file.json")
print(prompt.format(adjective="funny", content="chickens"))
输出：
Tell me a funny joke about chickens.
FewShotPromptTemplate
本部分介绍加载FewShotPromptTemplate的示例。下面是SON本地文件的示例：
本地文件：
!cat examples.json[{"input": "happy", "output": "sad"},{"input": "tall", "output": "short"}]
以下是将相同示例存储为YAML格式的示例：
!cat examples.yaml- input: happyoutput: sad- input: talloutput: short
从YAML加载
这是一个从YAML加载Few-Shot Example的示例。
本地文件：
!cat few_shot_prompt.yaml_type: few_shotinput_variables:["adjective"]prefix: Write antonyms for the following words.example_prompt:_type: promptinput_variables:["input", "output"]template:"Input: {input}\nOutput: {output}"examples:examples.jsonsuffix:"Input: {adjective}\nOutput:"
输入：
prompt = load_prompt("few_shot_prompt.yaml")
print(prompt.format(adjective="funny"))
输出：
Write antonyms for the following words.Input: happyOutput: sadInput: tallOutput: shortInput: funnyOutput:
如果我们从YAML文件中加载示例，同样的方法也适用。
本地文件：
!cat few_shot_prompt_yaml_examples.yaml_type: few_shotinput_variables:["adjective"]prefix: Write antonyms for the following words.example_prompt:_type: promptinput_variables:["input", "output"]template:"Input: {input}\nOutput: {output}"examples:examples.yamlsuffix:"Input: {adjective}\nOutput:"
输入：
prompt = load_prompt("few_shot_prompt_yaml_examples.yaml")
print(prompt.format(adjective="funny"))Write antonyms for the following words.
输出：
Input: happyOutput: sadInput: tallOutput: shortInput: funnyOutput:
从JSON加载
这是一个从JSON加载Few-Shot Example的示例。
本地文件：
!cat few_shot_prompt.json{"_type": "few_shot","input_variables": ["adjective"],"prefix": "Write antonyms for the following words.","example_prompt": {"_type": "prompt","input_variables": ["input", "output"],"template": "Input: {input}\nOutput: {output}"},"examples": "examples.json","suffix": "Input: {adjective}\nOutput:"}
输入：
prompt = load_prompt("few_shot_prompt.json")
print(prompt.format(adjective="funny"))
输出：
Write antonyms for the following words.Input: happyOutput: sadInput: tallOutput: shortInput: funnyOutput:
配置中的示例
这是一个直接在配置中引用示例的示例。
本地文件：
!cat few_shot_prompt_examples_in.json{"_type": "few_shot","input_variables": ["adjective"],"prefix": "Write antonyms for the following words.","example_prompt": {"_type": "prompt","input_variables": ["input", "output"],"template": "Input: {input}\nOutput: {output}"},"examples": [{"input": "happy", "output": "sad"},{"input": "tall", "output": "short"}],"suffix": "Input: {adjective}\nOutput:"}
输入：
prompt = load_prompt("few_shot_prompt_examples_in.json")
print(prompt.format(adjective="funny"))
输出：
Write antonyms for the following words.Input: happyOutput: sadInput: tallOutput: shortInput: funnyOutput:
从文件加载示例提示
这是一个从单独的文件加载用于格式化示例的PromptTemplate的示例。需要注意的是，键名从example_prompt更改为example_prompt_path。
本地文件：
!cat example_prompt.json{"_type": "prompt","input_variables": ["input", "output"],"template": "Input: {input}\nOutput: {output}" }
!cat few_shot_prompt_example_prompt.json {"_type": "few_shot","input_variables": ["adjective"],"prefix": "Write antonyms for the following words.","example_prompt_path": "example_prompt.json","examples": "examples.json","suffix": "Input: {adjective}\nOutput:"}
输入：
prompt = load_prompt("few_shot_prompt_example_prompt.json")
print(prompt.format(adjective="funny"))
输出：
Write antonyms for the following words.Input: happyOutput: sadInput: tallOutput: shortInput: funnyOutput:
带有OutputParser的PromptTemplate
这是一个从文件加载PromptTemplate和OutputParser的示例。
本地文件：
! cat prompt_with_output_parser.json{"input_variables": ["question","student_answer"],"output_parser": {"regex": "(.*?)\\nScore: (.*)","output_keys": ["answer","score"],"default_output_key": null,"_type": "regex_parser"},"partial_variables": {},"template": "Given the following question and student answer, provide a correct answer and score the student answer.\nQuestion: {question}\nStudent Answer: {student_answer}\nCorrect Answer:","template_format": "f-string","validate_template": true,"_type": "prompt"}
输入：
prompt = load_prompt("prompt_with_output_parser.json")
prompt.output_parser.parse("George Washington was born in 1732 and died in 1799.\nScore: 1/2"){'answer': 'George Washington was born in 1732 and died in 1799.','score': '1/2'}
参考文献：
[1] LangChain官方网站：https://www.langchain.com/
[2] LangChain 🦜️🔗 中文网，跟着LangChain一起学LLM/GPT开发：https://www.langchain.com.cn/
[3] LangChain中文网 - LangChain 是一个用于开发由语言模型驱动的应用程序的框架：http://www.cnlangchain.com/