使用LangChain构建问答聊天机器人案例实战（三）

使用LangChain构建问答聊天机器人案例实战

LangChain开发全流程剖析
接下来，我们再回到“get_prompt()”方法。在这个方法中，有系统提示词（system prompts）和用户提示词（user prompts），这是从相应的文件中读取的，从“system.prompt”文件中读取系统提示词（system_template），从“user.prompt”文件中读取用户提示词（human_template）。在第7行中，我们定义了两个输入变量：“query”和“df_info”。然后，将这些提示词信息和输入变量封装在一个“ChatPromptTemplate”对象中，会调用“SystemMessagePromptTemplate.from_template()”方法和“HumanMessagePromptTemplate.from_template()”方法，并返回该对象。
其中，from_template方法是BaseStringMessagePromptTemplate的一个类方法，这个方法接受一个字符串模板“template”和一个字符串“template_format”，还有其他的关键字参数。这个方法返回一个“MessagePromptTemplateT”类型的对象。我们使用“PromptTemplate.from_template()”方法从字符串模板中创建一个PromptTemplate对象。然后，使用这个对象作为参数来创建一个“MessagePromptTemplateT”类型的对象。这个对象将包含从模板中解析出来的内容，这个源码本身非常简单。Gavin大咖微信：NLP_Matrix_Space
chat.py的from_template方法的代码实现：