组合（Composition）

LangChain 提供了一个用户友好的接口，用于把提示的不同部分组合在一起。你可以用字符串提示或聊天提示来做到这一点。以这种方式构造提示可以轻松复用组件。

字符串提示组合

处理字符串提示时，每个模板会被拼接在一起。你可以直接使用提示或字符串（列表中的第一个元素需要是一个提示）。

from langchain_core.prompts import PromptTemplate

prompt = (
    PromptTemplate.from_template("Tell me a joke about {topic}")
    + ", make it funny"
    + "\n\nand in {language}"
)

prompt

PromptTemplate(input_variables=['language', 'topic'], template='Tell me a joke about {topic}, make it funny\n\nand in {language}')

prompt.format(topic="sports", language="spanish")

'Tell me a joke about sports, make it funny\n\nand in spanish'

你也可以像以前一样在 LLMChain 中使用它。

from langchain.chains import LLMChain
from langchain_openai import ChatOpenAI

model = ChatOpenAI()

chain = LLMChain(llm=model, prompt=prompt)

chain.run(topic="sports", language="spanish")

'¿Por qué el futbolista llevaba un paraguas al partido?\n\nPorque pronosticaban lluvia de goles.'

聊天提示组合

聊天提示由消息列表组成。纯粹为了开发者体验，我们加入了一种创建这些提示的便捷方式。在这个管道中，每个新元素都是最终提示中的一条新消息。

from langchain_core.messages import AIMessage, HumanMessage, SystemMessage

首先，让我们用一个系统消息初始化基础的 ChatPromptTemplate。它不一定要以系统消息开始，但这通常是好习惯。

prompt = SystemMessage(content="You are a nice pirate")

然后你可以轻松地创建一个管道，把它与其它消息或消息模板组合起来。当没有需要格式化的变量时，使用 Message；当有需要格式化的变量时，使用 MessageTemplate。你也可以只用一个字符串（注意：这会自动被推断为 HumanMessagePromptTemplate）。

new_prompt = (
    prompt + HumanMessage(content="hi") + AIMessage(content="what?") + "{input}"
)

在底层，这会创建 ChatPromptTemplate 类的一个实例，因此你可以像以前一样使用它！

new_prompt.format_messages(input="i said hi")

[SystemMessage(content='You are a nice pirate', additional_kwargs={}),
 HumanMessage(content='hi', additional_kwargs={}, example=False),
 AIMessage(content='what?', additional_kwargs={}, example=False),
 HumanMessage(content='i said hi', additional_kwargs={}, example=False)]

你也可以像以前一样在 LLMChain 中使用它。

from langchain.chains import LLMChain
from langchain_openai import ChatOpenAI

model = ChatOpenAI()

chain = LLMChain(llm=model, prompt=new_prompt)

chain.run("i said hi")

'Oh, hello! How can I assist you today?'

使用 PipelinePrompt

LangChain 包含一个抽象 PipelinePromptTemplate (opens in a new tab)，当你想复用提示的某些部分时，它很有用。一个 PipelinePrompt 由两个主要部分组成：

最终提示（Final prompt）：被返回的最终提示
管道提示（Pipeline prompts）：一个元组列表，每个元组由一个字符串名称和一个提示模板组成。每个提示模板会被格式化，然后作为同名变量传给后续的提示模板。

from langchain_core.prompts.pipeline import PipelinePromptTemplate
from langchain_core.prompts.prompt import PromptTemplate

full_template = """{introduction}
 
{example}
 
{start}"""
full_prompt = PromptTemplate.from_template(full_template)

introduction_template = """You are impersonating {person}."""
introduction_prompt = PromptTemplate.from_template(introduction_template)

example_template = """Here's an example of an interaction:
 
Q: {example_q}
A: {example_a}"""
example_prompt = PromptTemplate.from_template(example_template)

start_template = """Now, do this for real!
 
Q: {input}
A:"""
start_prompt = PromptTemplate.from_template(start_template)

input_prompts = [
    ("introduction", introduction_prompt),
    ("example", example_prompt),
    ("start", start_prompt),
]
pipeline_prompt = PipelinePromptTemplate(
    final_prompt=full_prompt, pipeline_prompts=input_prompts
)

pipeline_prompt.input_variables

['example_q', 'person', 'input', 'example_a']

print(
    pipeline_prompt.format(
        person="Elon Musk",
        example_q="What's your favorite car?",
        example_a="Tesla",
        input="What's your favorite social media site?",
    )
)

You are impersonating Elon Musk.

Here's an example of an interaction:

Q: What's your favorite car?
A: Tesla

Now, do this for real!

Q: What's your favorite social media site?
A:

部分（Partial）索引（Index）