Question

请告诉我何时使用以及为什么使用上述功能的背景?

我试着读了医生,但无法理解太多。任何引用博客或链接的参考都会有所帮助。

提前感谢。

Answer 1

您应该去源代码执行。在代码中, 他们评论出来, 您也可以看到正在发生什么。这些方法实际上正在以额外的配置和验证来即时处理类实例。例如, 如果您查看执行 < code> from_ messages 的 < messages 执行 :

@classmethod
    def from_messages(
        cls,
        messages: Sequence[
            Union[
                BaseMessagePromptTemplate,
                BaseChatPromptTemplate,
                BaseMessage,
                Tuple[str, str],
                Tuple[Type, str],
                str,
            ]
        ],
    ) -> ChatPromptTemplate:
        """Create a chat prompt template from a variety of message formats.

        Examples:

            Instantiation from a list of message templates:

            .. code-block:: python

                template = ChatPromptTemplate.from_messages([
                    ("human", "Hello, how are you?"),
                    ("ai", "I m doing well, thanks!"),
                    ("human", "That s good to hear."),
                ])

            Instantiation from mixed message formats:

            .. code-block:: python

                template = ChatPromptTemplate.from_messages([
                    SystemMessage(content="hello"),
                    ("human", "Hello, how are you?"),
                ])

        Args:
            messages: sequence of message representations.
                  A message can be represented using the following formats:
                  (1) BaseMessagePromptTemplate, (2) BaseMessage, (3) 2-tuple of
                  (message type, template); e.g., ("human", "{user_input}"),
                  (4) 2-tuple of (message class, template), (4) a string which is
                  shorthand for ("human", template); e.g., "{user_input}"

        Returns:
            a chat prompt template
        """
        _messages = [_convert_to_message(message) for message in messages]

        # Automatically infer input variables from messages
        input_vars = set()
        for _message in _messages:
            if isinstance(
                _message, (BaseChatPromptTemplate, BaseMessagePromptTemplate)
            ):
                input_vars.update(_message.input_variables)

        return cls(input_variables=sorted(input_vars), messages=_messages)

此方法,

首先使用帮助程序,它将每条消息转换为标准格式,供聊天PromptTemplate类使用
然后使用 input_vars = set 来删除重复的信件。
input_evilables 是信件模板中的占位符, 当使用模板时将替换为实际值。例如, 信件可能有“ 你好, {user_ name} ” 这样的模板, 即 {user_ name} 是一个输入变量。
然后检查他们接受何种消息 : BaseChatPhamptTemplate, baseMessagePromptTemplate

收集所有独特的输入变量后, 它返回

   return cls(input_variables=sorted(input_vars), messages=_messages)

此行创建并返回一个 ChattPromptTemplate 实例, 使用推断输入变量和已处理的信件。

这是来自_template 方法的 :


  @classmethod
    def from_template(
        cls: Type[MessagePromptTemplateT],
        template: str,
        template_format: str = "f-string",
        **kwargs: Any,
    ) -> MessagePromptTemplateT:
        """Create a class from a string template.

        Args:
            template: a template.
            template_format: format of the template.
            **kwargs: keyword arguments to pass to the constructor.

        Returns:
            A new instance of this class.
        """
        prompt = PromptTemplate.from_template(template, template_format=template_format)
        return cls(prompt=prompt, **kwargs)

 from_template  需要一个单一的模板字符串(和可选格式)来创建实例。  from_messages  需要不同格式的顺序信息来创建实例。

友情链接