当前位置：首页 > wzjs >正文

电子商务平台的建设西安seo霸屏

wzjs 2025/8/9 4:34:51

电子商务平台的建设,西安seo霸屏,seo岗位要求,做网站最好的公司有哪些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，…

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 mainimport ("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llmllm, _ := 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APIctx := 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。