自定义提示模板
假设我们希望LLM根据函数的名称生成英语语言的解释。为了完成这个任务，我们将创建一个自定义提示模板，它以函数名称作为输入，并格式化提示模板以提供函数的源代码。
为什么需要自定义提示模板？
LangChain提供了一组默认提示模板，可用于生成各种任务的提示。
但是，可能存在默认提示模板不符合您需求的情况。例如，您可能希望创建具有特定动态说明的提示模板以供语言模型使用。
在这种情况下，可以创建自定义提示模板。
查看当前默认提示模板集合此处。
创建自定义提示模板
基本上有两种不同的提示模板可用——字符串提示模板和聊天提示模板。字符串提示模板以字符串格式提供简单提示，而聊天提示模板生成可用于聊天API的更结构化的提示。
在本指南中，我们将使用字符串提示模板创建自定义提示。
要创建自定义字符串提示模板，需要两个要求：
- 它具有input_variables属性，以公开提示模板期望的输入变量。
- 它公开format方法，该方法接受与预期的input_variables对应的关键字参数，并返回格式化的提示。
我们将创建一个自定义提示模板，它以函数名称作为输入，并格式化提示来提供函数的源代码。为此，让我们首先创建一个函数，该函数将根据其名称返回函数的源代码。
import inspect
def get_source_code(function_name):
# Get the source code of the function
return inspect.getsource(function_name)
接下来，我们将创建一个自定义提示模板，它以函数名称作为输入，并格式化提示模板，以提供该函数的源代码。
from langchain.prompts import StringPromptTemplate
from pydantic import BaseModel, validator
class FunctionExplainerPromptTemplate(StringPromptTemplate, BaseModel):
""" A custom prompt template that takes in the function name as input, and formats the prompt template to provide the source code of the function. """
@validator("input_variables")
def validate_input_variables(cls, v):
""" Validate that the input variables are correct. """
if len(v) != 1 or "function_name" not in v:
raise ValueError("function_name must be the only input_variable.")
return v
def format(self, **kwargs) -> str:
# Get the source code of the function
source_code = get_source_code(kwargs["function_name"])
# Generate the prompt to be sent to the language model
prompt = f"""
Given the function name and source code, generate an English language explanation of the function.
Function Name: {kwargs["function_name"].__name__}
Source Code:
{source_code}
Explanation:
"""
return prompt
def _prompt_type(self):
return "function-explainer"
使用 custom prompt template#
现在我们已经创建了自定义提示模板，可以使用它来为我们的任务生成提示。
fn_explainer = FunctionExplainerPromptTemplate(input_variables=["function_name"])
# Generate a prompt for the function "get_source_code"
prompt = fn_explainer.format(function_name=get_source_code)
print(prompt)
Given the function name and source code, generate an English language explanation of the function.
Function Name: get_source_code
Source Code:
def get_source_code(function_name):
# Get the source code of the function
return inspect.getsource(function_name)
Explanation: