LangChain的预定义的角色

在 LangChain 中，当你使用元组 (role, content) 来定义消息时，role 可以是几种预定义的角色之一。这些角色帮助语言模型理解每条消息的来源或目的，从而更好地生成响应。以下是常见的角色类型：

常见的角色（role）

1. "system"：

   • 用于设置系统的指令或指导方针。例如，“你是一个乐于助人的助手”。
   • 示例：("system", "You are a helpful assistant.")

2. "user" 或 "human"：

   • 表示来自用户的输入或问题。这是与模型进行交互的主要方式。
   • 示例：("user", "What's the weather like today?") 或 ("human", "Tell me a joke.")

3. "assistant" 或 "ai"：

   • 表示模型返回的回答。这通常用于模拟对话中的回复部分，或者作为对话历史的一部分来提供上下文。
   • 示例：("assistant", "The weather is sunny and warm.") 或 ("ai", "Sure, here's a joke for you...")

4. 其他自定义角色：

   • 虽然不常见，但理论上你可以定义自己的角色名称。然而，这样做可能不会被所有模型或工具所支持，并且可能会导致不可预见的行为。

在 LangChain 中的实际应用

当你使用 ChatPromptTemplate.from_messages() 方法时，可以像这样定义不同的角色消息：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.messages import SystemMessage, HumanMessage, AIMessage# 定义包含多种角色的消息模板
prompt = ChatPromptTemplate.from_messages([("system", "You are a helpful assistant."),MessagesPlaceholder(variable_name="history"),("user", "{input}")
])# 或者使用具体的 Message 类
prompt_with_message_classes = ChatPromptTemplate.from_messages([SystemMessage(content="You are a helpful assistant."),MessagesPlaceholder(variable_name="history"),HumanMessage(content="{input}")
])

角色的选择

• 选择合适的角色对于构建有效的提示至关重要。例如，系统消息可以帮助设定模型的行为和边界，而用户消息则是你希望模型回答的问题或陈述。
• 保持一致性：尽量在整个项目中保持角色使用的统一性，这样可以使代码更易于理解和维护。

关于灵活性

说“使用元组 (role, content) 更加灵活”，主要是指这种形式允许你轻松地指定不同类型的消息（如系统、用户、助手等），而不需要每次都实例化相应的类（如 SystemMessage, HumanMessage 等）。这对于快速原型设计或测试非常有用。

总结

• 角色类型：主要包括 "system", "user"/"human", 和 "assistant"/"ai"。
• 实际应用：根据需要选择合适的角色来构造你的提示模板。
• 灵活性：使用元组 (role, content) 提供了一种简便的方式来快速定义不同类型的聊天消息，同时保持了足够的灵活性以适应各种场景。

如果你有更多关于如何具体应用这些角色的问题，或是想了解如何在特定情况下优化你的提示，请随时提问！