• 1

• 2

• 3

• 4

• 5

• 6

• 7

• 8

• 9

• 10

• 11

• 12

• 13

• 14

• 15

• 16

• 17

• 18

• 19

• 20

• 21

• 22

• 23

# 首先，新建一个提示词抽取器
prompt_extractor = ChatPromptTemplate.from_template(
template="""
你从用户的输入中提取出一些`关键信息`，然后根据关键信息生成一个提示词模板, 提示词模板应该是一个有效的Prompt Template。

`关键信息`包含以下内容：

- 找到有效的提示词的目标
- 找到有效的要求内容
- 找到传递给提示词模板的变量

用户的输入内容是: {input}

"""
)

# 再来一个Prompt
prompt_generator = ChatPromptTemplate.from_messages(
[
("system", "请根据以下输入的内容，生成一个有效的Prompt Template。"),
("human", "{input}"),
]
)

• 1

• 2

• 3

• 4

• 5

# 用好Pydantic，记得继承BaseModel
class PromptExtractor(BaseModel):
object: str = Field(description="提示词目标")
requirement: str = Field(description="提示词要求")
input_variable: str = Field(description="提示词变量")

• 1

• 2

# 来个你熟悉的chain，记得加上with_structured_output
chain_extractor = prompt_extractor | model.with_structured_output(PromptExtractor)

• 1

• 2

• 3

• 4

prompt_generator = chain_generator.invoke({"input": 
f"""提示词目标:{res_extractor.object}
提示词要求:{res_extractor.requirement}
placeholder:{res_extractor.input_variable}"""})

• 1

content='"寻找一份深度解析并以易于理解方式讲解最新AI技术和人工智能基础知识的学习资料，要求内容深入浅出且详尽，适合初学者和进阶学习者。{input}"' 

• 1

chain_extractor = prompt_extractor | model.bind_tools(tools=[PromptExtractor])

• 1

• 2

• 3

• 4

prompt_generator = chain_generator.invoke({"input": 
f"""提示词目标:{rres_extractor.tool_calls[0]["args"]["object"]}
提示词要求:{res_extractor.tool_calls[0]["args"]["requirement"]}
placeholder:{res_extractor.tool_calls[0]["args"]["input_variable"]}"""})

• 1

• 2

• 3

• 4

• 5

prompt = ChatPromptTemplate.from_template(
template=prompt_generator.content
)

chain = prompt | model