当前位置：首页 > news >正文

【GoLang】调用llm时提示词prompt的介绍以及使用方式

news 来源：原创 2025/5/2 2:37:53

介绍

提示词是一种与大模型交互的对话格式，它以 JSON 格式定义了一个消息列表（messages），包含了系统消息和用户消息。

我们向AI提问时，其实发给AI的都是提示词，别看我们只是简单输入了一句话，但大模型内部其实自动帮我们把这句话转换为提示词的形式了。

但是我们现在如何手动来设置提示词呢？请看下文

设置提示词

总的流程就是：声明 chatTemplate 表示提示词模板，声明 input 用于填充 chatTemplate 模板中的占位符，最终二者结合得到prompt。

package main

import (
	"context"
	"fmt"
	"github.com/tmc/langchaingo/llms"
	"github.com/tmc/langchaingo/llms/openai"
	"github.com/tmc/langchaingo/prompts"
)

func main() {
	// 初始化大模型llm
	llm, _ := openai.New(
		openai.WithModel("deepseek-reasoner"),
		openai.WithToken("sk-2c4e9ad917cf48d8ad834dc5b98e7e01"),
		openai.WithBaseURL("https://api.deepseek.com"),
	)

	// 什么提示词模板
	chatTemplate := prompts.NewChatPromptTemplate([]prompts.MessageFormatter{
		prompts.NewSystemMessagePromptTemplate("你是一个有帮助的助手，擅长回答天气相关问题。", nil),
		prompts.NewHumanMessagePromptTemplate("{{.greeting}}！今天{{.city}}的天气怎么样？", []string{"greeting", "city"}),
	})

	// input 用于填充 chatTemplate 模板中的占位符变量
	input := map[string]interface{}{
		"greeting": "早上好",
		"city":     "北京",
	}

	// 根据模板和变量生成为最终的提示词
	prompt, _ := chatTemplate.Format(input)

	// 通过大模型llm调用API
	ctx := context.Background()
	completion, _ := llms.GenerateFromSinglePrompt(
		ctx,
		llm,
		prompt,
	)

	// 输出大模型生成的答复
	fmt.Println(completion)
}

使用提示词的好处

好处1. 支持对话上下文

messages 数组允许你提供多轮对话的历史记录，模型可以根据之前的消息生成更符合上下文的回复。

"messages": [
  {"role": "system", "content": "You are a helpful assistant."}, // 开启对话时生成的
  {"role": "user", "content": "What is the capital of France?"}, // 用户生成的
  {"role": "assistant", "content": "The capital of France is Paris."}, // ai生成的
  {"role": "user", "content": "What about Spain?"}    // 用户生成的
]

在这个例子中，模型知道用户之前问了法国的首都，现在问西班牙的首都，可以直接回答：“The capital of Spain is Madrid.”，而不需要重复澄清。

好处2. 区分角色

通过 role 字段，模型可以区分不同身份（系统、用户、AI）发送消息，从而采取不同的处理方式。