我要投稿

提示词管理神器：Promptify

发布日期：2025-06-25 08:39:02 浏览次数： 1543

作者：AI大模型观察站

微信搜一搜，关注“AI大模型观察站”

Promptify 是一个Python库这款 Python 库通过 prompter、LLM 集成与 pipeline，把原本要反复调试 prompt 的过程简化成几行代码。

Github地址：https://github.com/promptslab/Promptify

本文将通过简单示例，带你了解 Promptify 为什么能成为 NLP 工具链中的“呼吸一口新鲜空气”。

欢迎大家关注公众号：AI大模型观察站，谢谢啦~~~~~

Promptify 是什么？

假设你有一段文本，比如一份小说片段，想提取关键词、进行分类、生成问题。

通常你得构造复杂的 prompt，反复尝试才能让 LLM 给出合适结果。

Promptify 彻底改变了这一流程。

它是一个 Python 库，核心由三部分组成：

•✅ Prompter：用于构建 prompt（支持内置或自定义模板）•✅ LLM 接口：支持 OpenAI、PaLM、Hugging Face 等多种模型•✅ Pipeline：自动将文本输入 → prompt → LLM → 输出打通

无论是关键词提取、还是生成读书问题，Promptify 都能轻松搞定。

安装方式

使用 pip 安装：

pip3 install promptify

或安装最新 GitHub 版本：

pip3 install git+https://github.com/promptslab/Promptify.git

使用前需要准备 LLM 的 API Key（如 OpenAI、DeepSeek等）。

使用示例

✅ 示例 1：提取医学实体（NER）

from promptify importPrompter,OpenAI,Pipeline
sentence ="""The patient is a 93-year-old female with a medical history of chronic right hip pain, osteoporosis, hypertension, depression, and chronic atrial fibrillation admitted for evaluation and management of severe nausea and vomiting and urinary tract infection"""
model =OpenAI("your_api_key_here")prompter =Prompter('ner.jinja')pipe =Pipeline(prompter, model)result = pipe.fit(sentence, domain="medical", labels=None)
print(result)

输出结果如下：

[{"E":"93-year-old","T":"Age"},{"E":"chronic right hip pain","T":"Medical Condition"},{"E":"osteoporosis","T":"Medical Condition"},{"E":"hypertension","T":"Medical Condition"},{"E":"depression","T":"Medical Condition"},{"E":"chronic atrial fibrillation","T":"Medical Condition"},{"E":"severe nausea and vomiting","T":"Symptom"},{"E":"urinary tract infection","T":"Medical Condition"},{"Branch":"Internal Medicine","Group":"Geriatrics"}]

👉 整理干净的结构化输出，准确分类，还能归属到临床科室。节省大量人工标注时间。

✅ 示例 2：多标签医学分类

from promptify importOpenAI,Prompter
sentence ="""The patient is a 93-year-old female with a medical history of chronic right hip pain, osteoporosis, hypertension, depression, and chronic atrial fibrillation admitted for evaluation and management of severe nausea and vomiting and urinary tract infection"""
model =OpenAI("your_api_key_here")nlp_prompter =Prompter(model)result = nlp_prompter.fit('multilabel_classification.jinja', domain='medical', text_input=sentence)
print(result)

输出如下：

[{'1':'Medicine','2':'Osteoporosis','3':'Hypertension','4':'Depression','5':'Atrial fibrillation','6':'Nausea and vomiting','7':'Urinary tract infection','branch':'Health','group':'Clinical medicine','main class':'Health'}]

👉 非常适合做医疗知识图谱、自动病例标签系统等。

✅ 示例 3：生成阅读理解题目

from promptify importOpenAI,Prompter
sentence ="""The rabbit-hole went straight on like a tunnel for some way, and then dipped suddenly down, so suddenly that Alice had not a moment to think about stopping herself before she found herself falling down a very deep well."""
model =OpenAI("your_api_key_here")nlp_prompter =Prompter(model)result = nlp_prompter.fit('qa_gen.jinja', domain='story_writing', text_input=sentence)
print(result)

输出结果：

[{'A':'Alice found herself falling down a very deep well.','Q':'What happened when Alice went down the rabbit-hole?'},{'A':'Very deep.','Q':'How deep was the well?'},{'A':'No, she did not have a moment to think.','Q':'Did Alice have time to think about stopping herself?'},{'A':'It went straight on like a tunnel.','Q':'What direction did the rabbit-hole go?'},{'A':'No, she did not expect it.','Q':'Did Alice expect to fall down a well?'}]

👉 这些问答题可以直接拿去做英文阅读理解测验，省心又省力！