系列文章目录

前言

一、SystemMessage 系统提示词

1.如何理解

2.如何使用

3.效率对比

4.进阶

二、HumanMessage 用户提示词 

1.如何理解

2.如何使用

总结

import { ChatOllama } from '@langchain/ollama';
import { SystemMessage, HumanMessage } from '@langchain/core/messages';

// 创建模型实例，设置基础参数
const model = new ChatOllama({
  baseUrl: "http://localhost:11434",
  model: "deepseek-r1:8b",
  temperature: 0.7, // 控制输出的随机性
});

// 创建系统提示，设定模型角色和行为
const systemMessage = new SystemMessage(
  "你是一个专业的笑话生成器。你只生成笑话，不做其他事情。"
);

// 创建用户提示
const userMessage = new HumanMessage(
  "给我讲一个笑话"
);

// 组合消息链并调用模型
const res = await model.invoke([
  systemMessage,
  userMessage
]);

console.log('AI助手的回答：');
console.log(res);

const { SystemMessagePromptTemplate, HumanMessagePromptTemplate, ChatPromptTemplate } = require('@langchain/core/prompts');
// 定义系统消息模板
const SYSTEM_MESSAGES = {
  chat: "我是一个专业的AI助手，我会提供准确、有帮助的回答，并保持友好和专业的态度。",
  qa: "我是一个专业的问答助手，我会基于提供的上下文准确回答问题，如果问题超出上下文范围，我会明确指出。",
  summarize: "我是一个专业的文本摘要助手，我会准确提取文本中的关键信息，生成简洁而全面的摘要。"
};

// 定义常用的提示词模板
const TEMPLATES = {
  // 通用聊天模板
  chat: ChatPromptTemplate.fromMessages([
    SystemMessagePromptTemplate.fromTemplate(SYSTEM_MESSAGES.chat),
    HumanMessagePromptTemplate.fromTemplate("{input}")
  ]),
  
  // 问答模板
  qa: ChatPromptTemplate.fromMessages([
    SystemMessagePromptTemplate.fromTemplate(SYSTEM_MESSAGES.qa),
    HumanMessagePromptTemplate.fromTemplate("上下文: {context}\n\n问题: {question}")
  ]),
  
  // 文本摘要模板
  summarize: ChatPromptTemplate.fromMessages([
    SystemMessagePromptTemplate.fromTemplate(SYSTEM_MESSAGES.summarize),
    HumanMessagePromptTemplate.fromTemplate("请为以下文本生成摘要：\n\n{text}")
  ])
};

"my name is {name}".replace("{name}",张三)

import { ChatOllama } from '@langchain/ollama';
import { SystemMessage, HumanMessage } from '@langchain/core/messages';
import { FewShotPromptTemplate, PromptTemplate } from '@langchain/core/prompts';

// 创建模型实例，设置基础参数
const model = new ChatOllama({
  baseUrl: "http://localhost:11434",
  model: "deepseek-r1:8b",
  temperature: 0.7, // 控制输出的随机性
});

// 定义示例提示
const examples = [
  {
    question: "讲个笑话",
    answer: "问：为什么程序员总是分不清万圣节和圣诞节？\n答：因为 Oct 31 和 Dec 25 是一样的！（程序员懂得都懂）"
  },
  {
    question: "给我讲个笑话",
    answer: "问：一个程序员去买面包，老板说要2块钱，程序员给了老板10块钱。\n答：老板：找您8块。\n程序员：不，这是二进制，1010一共是10，刚刚好。"
  }
];

// 创建示例模板
const examplePrompt = new PromptTemplate({
  template: "{question}\n{answer}",
  inputVariables: ["question", "answer"]
});

// 创建 FewShotPromptTemplate
const fewShotPrompt = new FewShotPromptTemplate({
  examples,
  examplePrompt,
  prefix: "以下是一些程序员相关的笑话示例：",
  suffix: "现在，请根据以下问题生成一个笑话：\n{input}",
  inputVariables: ["input"],
});

// 创建系统消息
const systemMessage = new SystemMessage(
  "你是一个专业的笑话生成器。你擅长讲述与程序员和技术相关的笑话。请保持幽默、专业且有趣的风格。"
);

// 生成用户消息的提示
const userPrompt = await fewShotPrompt.format({
  input: "请讲一个程序员和产品经理之间的笑话"
});

// 创建用户消息
const userMessage = new HumanMessage(userPrompt);
console.log('用户的问题：', userMessage);

// 调用模型
const res = await model.invoke([
  systemMessage,
  userMessage
]);

console.log('AI助手的回答：');
console.log(res);