langchain提示词的使用

from langchain_Ollama.chat_models import ChatOllamafrom langchain_core.prompts import ChatPromptTemplatefrom langchain_core.output_parsers import StrOutputParseroutput_parser = StrOutputParser() # 以字符串格式输出# 调用本地deepseek-r1:7b大模型llm = ChatOllama(model="deepseek-r1:7b", temperature=0.1)prompt = ChatPromptTemplate.from_messages([    ("system", "你是一位顶级人工智能技术专家，同时具有很高的文字水平"),    ("user", "{input}")])# 以链式方式将提示词、大模型和输出格式串联起来chain = prompt | llm | output_parserprint(chain.invoke({"input": "介绍一下大语言模型技术原理"}))

from langchain_openai import ChatOpenAIfrom langchain_core.output_parsers import StrOutputParserfrom langchain.schema.runnable import RunnableLambda, RunnablePassthroughfrom langchain.prompts import PromptTemplatemodel = ChatOpenAI(    model='deepseek-chat',     openai_api_key=<你的API KEY>,     openai_api_base='https://api.deepseek.com',    max_tokens=1024)prompt_template2 = "你是一名文档处理专家，精通阅读理解和文字编写，具有很高的审美水平和文字总结能力。有如下的文章{content}，请帮我总结摘要。"PROMPT = PromptTemplate(    template=prompt_template2,    input_variables=["content"])chain = (    {"content": RunnablePassthrough()}    | PROMPT    | model    | StrOutputParser() )# 读取文件，从文件中获取文章内容content = ""try:    # 使用 with 语句打开文件    with open('example.txt', 'r', encoding='utf-8') as file:        # 读取文件的全部内容        content = file.read()        #print(content)except FileNotFoundError:    print("文件未找到，请检查文件路径和文件名。")
input_data = {    "content": content}# 使用 invoke 方法调用链result = chain.invoke(input_data)print(result)

from langchain_openai import ChatOpenAIfrom langchain_core.output_parsers import StrOutputParserfrom langchain.schema.runnable import RunnableLambda, RunnablePassthroughfrom langchain.prompts import PromptTemplateexamples = [    {        "question": "成年蓝鲸和成年大象哪个更大？",        "answer":             """            这里需要跟进问题吗：是的。            跟进：成年蓝鲸有多大？            中间答案：成年蓝鲸有30米长，130吨重。            跟进：成年大象有多大？            中间答案：成年大象有4米长，5吨重。            所以最终答案是：蓝鲸。            """
    },    {        "question": "阿里巴巴创始人是哪一年出生的？",        "answer":             """            这里需要跟进问题吗：是的。            跟进：阿里巴巴的创始人是谁？            中间答案：阿里巴巴的创始人是马云。            跟进：马云的出生年份是多少？            中间答案：马云出生于1964年9月10日。            所以最终答案是：1964年。            """
    }]example_prompt = PromptTemplate(    input_variables=["question", "answer"],    template="问题：{question}\n{answer}",)prompt = FewShotPromptTemplate(    # 示例    examples=examples,    # 示例提示词    example_prompt=example_prompt,    # 结束符    suffix="问题：{question}",    # 输入变量    input_variables=["question"])model = ChatOpenAI(    model='deepseek-chat',     openai_api_key=<你的API KEY>,     openai_api_base='https://api.deepseek.com',    max_tokens=1024)chain = (    {"question": RunnablePassthrough()}    | prompt    | model    | StrOutputParser() )question = "腾讯创始人是哪一年出生的？"result = chain.invoke(question)print(result)# 输出问题：腾讯创始人是哪一年出生的？这里需要跟进问题吗：是的。跟进：腾讯的创始人是谁？中间答案：腾讯的创始人是马化腾。跟进：马化腾的出生年份是多少？中间答案：马化腾出生于1971年10月29日。所以最终答案是：1971年。

# 使用示例选择器from langchain.prompts.example_selector import SemanticSimilarityExampleSelector#from langchain_community.vectorstores import Chromafrom langchain_community.vectorstores import FAISSfrom langchain_openai import OpenAIEmbeddingsfrom langchain_ollama import OllamaEmbeddings#from langchain_chroma import Chroma# 使用语义相似性示例选择器example_selector = SemanticSimilarityExampleSelector.from_examples(    # 示例    examples,    # 嵌入模型    OllamaEmbeddings(model="deepseek-r1:32b"),    # 向量数据库    FAISS,    # 最大示例数    k=1,)# 选择与输入最相似的示例question = "腾讯创始人是哪一年出生的？"selected_examples = example_selector.select_examples({"question": question})print(f"找出最相似的示例：{question}")for example in selected_examples:    print("\n")    for k,v in example.items():        print(f"{k}: {v}")# 输出找出最相似的示例：腾讯创始人是哪一年出生的？question: 阿里巴巴创始人是哪一年出生的？       answer: 这里需要跟进问题吗：是的。跟进：阿里巴巴的创始人是谁？       中间答案：阿里巴巴的创始人是马云。 跟进：马云的出生年份是多少？       中间答案：马云出生于1964年9月10日。所以最终答案是：1964年。

def generate_chart(df):    # 画出统计图表    df = df.fillna(value="None")    prompt_template2 = "你是一名顶级数据可视化专家，精通python数据可视化，具有很高的审美水平。使用matplotlib进行数据可视化，有如下的数据{df}，请选择合适的图表进行可视化，配色要美观，并把图表保存为chart.png，不需要显示，给我代码，不要其他内容，图表要可以显示中文。"    PROMPT = PromptTemplate(        template=prompt_template2,        input_variables=["df"]    )    chain = (        {"df": RunnablePassthrough()}        | PROMPT        | model        | StrOutputParser()     )    input_data = {        "df": df    }    # 使用 invoke 方法调用链    result = chain.invoke(input_data)    result = result.replace("```python", "")    result = result.replace("```", "")    print(result)    exec(result)    return 'chart.png'

data = {'开发区代码': ['S327012', 'S327011'],        '开发区名称': ['经济开发区1', '经济开发区2'],        '地块数量': [320, 27],        '总面积(公顷)': [438.332284, 66.609016]}

import matplotlib.pyplot as pltimport pandas as pddata = {'开发区代码': ['S327012', 'S327011'],        '开发区名称': ['经济开发区1', '经济开发区2'],        '地块数量': [320, 27],        '总面积(公顷)': [438.332284, 66.609016]}df = pd.DataFrame(data)plt.rcParams['font.sans-serif'] = ['SimHei']  # 设置中文显示plt.rcParams['axes.unicode_minus'] = Falsefig, (ax1, ax2) = plt.subplots(1, 2, figsize=(12, 6))colors = ['#4C72B0', '#DD8452']# 地块数量柱状图ax1.bar(df['开发区名称'], df['地块数量'], color=colors, width=0.6)ax1.set_title('开发区地块数量对比', pad=20, fontsize=14)ax1.set_ylabel('地块数量', fontsize=12)ax1.grid(axis='y', linestyle='--', alpha=0.7)# 总面积柱状图ax2.bar(df['开发区名称'], df['总面积(公顷)'], color=colors, width=0.6)ax2.set_title('开发区总面积对比(公顷)', pad=20, fontsize=14)ax2.set_ylabel('面积(公顷)', fontsize=12)ax2.grid(axis='y', linestyle='--', alpha=0.7)plt.tight_layout()plt.savefig('chart.png', dpi=300, bbox_inches='tight')plt.close()