Các mẫu prompt (tiếp tục)
Bạn cũng có thể làm điều tương tự thuận tiện hơn mà không sử dụng các mẫu chat promt mà bằng đệ trình
một tuple (chính vì nó đôi khi là nhanh hơn và thuận tiện hơn) với một dạng thông điệp và một string
mẫu hóa thay vào:
chat_prompt_template = ChatPromptTemplate.from_messages(
[(“system”, “You are a helpful assistant.”),
(“human”, prompt_template)])
Khái niệm quan trọng khác là một cái giữ chỗ. Cái này thay thế một biến với một list các thông điệp cung
cấp trong thời gian thực. Bạn có thể thêm một cái giữ chỗ vào prompt của bạn bằng cách sử dụng một gợi
ý placeholder, hay thêm một MessagesPlaceholder:
from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
chat_prompt_template = ChatPromptTemplate.from_messages([(“system”, “You are a helpful assistant.”),
(“placeholder”, “{history}”),
# same as MessagesPlaceholder(“history”),
(“human”, prompt_template)])len(chat_prompt_template.invoke({“job_description”: “fake”, “history”:
[(“human”, “hi!”), (“ai”, “hi!”)]}).messages)
>> 4
Bây giờ đầu vào của chúng ta chứa 4 thông điệp: một system message, 2 history messages cái chúng ta đã
cung cấp, và một human message từ một prompt mẫu hóa. Ví dụ tốt nhất về sử dụng một cái giữ chỗ là nhập
vào một lịch sử của một chat, nhưng chúng ta sẽ thấy những cái nâng cao hơn sau này trong các học phần
khi chúng ta sẽ nói về một LLM tương tác như thế nào với thế giới bên ngoài hay các LLMs khác nhau
phối hợp cùng với nhau như thế nào trong một thiết lập multi-agent.