Few-shot 与 ChatPromptTemplate

本章节补充 LangChain Prompt 模块中之前未整理的 Few-shot 内容。

17.1 Zero-shot 与 Few-shot 区别

Zero-shot

不提供任务示例，只告诉模型：

• 要完成什么任务
• 输出要求是什么

例如：

请判断下面评论属于正面、负面还是中性。

评论：
这个手机很好用。

请只输出分类结果。

特点：

任务说明
+
用户输入

没有示例。

---

Few-shot

在 Prompt 中增加少量示例，让模型学习输入输出模式。

例如：

问题：1+1
答案：2

问题：2+3
答案：5

问题：10+20
答案：

模型通过示例理解：

输入形式 → 输出形式

注意：

Few-shot 不会修改模型参数。

它：

• 不是训练
• 不是微调
• 只是通过上下文示例引导模型生成

---

17.2 FewShotPromptTemplate

普通 LLM 的 Few-shot 使用：

FewShotPromptTemplate

它负责：

将示例数据按照指定格式拼接成完整 Prompt。

核心组成：

examples
+
example_prompt
+
prefix
+
suffix
+
input_variables

---

examples

作用：

提供示例内容。

例如：

examples = [
    {
        "input":"1+1",
        "output":"2"
    },
    {
        "input":"2+3",
        "output":"5"
    }
]

---

example_prompt

作用：

定义每个示例如何展示。

例如：

example_prompt = PromptTemplate.from_template(
    "问题：{input}\n答案：{output}"
)

生成：

问题：1+1
答案：2

---

prefix

作用：

示例之前的任务说明。

例如：

请参考下面的例子回答数学问题：

---

suffix

作用：

示例之后真正需要模型处理的新问题。

例如：

suffix="问题：{input}\n答案："

其中：

{input}

来自用户真实输入。

---

input_variables

作用：

声明最终调用时需要外部传入的变量。

例如：

input_variables=["input"]

表示：

调用：

prompt.invoke({
    "input":"10+20"
})

时需要提供 input。

---

17.3 Few-shot 数据流

完整过程：

examples
    ↓
example_prompt格式化
    ↓
生成示例文本

prefix
    ↓
任务说明

suffix
    ↓
用户当前问题

    ↓

完整 Prompt

    ↓

LLM

---

十八、ChatPromptTemplate

18.1 为什么需要 ChatPromptTemplate？

PromptTemplate 生成：

字符串

适合：

PromptTemplate
      ↓
LLM

但是 Chat Model 输入：

SystemMessage
HumanMessage
AIMessage

因此需要：

ChatPromptTemplate

它负责生成消息列表。

---

18.2 基础代码

from langchain_core.prompts import ChatPromptTemplate


prompt = ChatPromptTemplate.from_messages(
[
    (
        "system",
        "你是一个专业AI老师"
    ),
    (
        "human",
        "请解释{topic}"
    )
]
)

调用：

prompt.invoke({
    "topic":"RAG"
})

生成：

SystemMessage:
你是一个专业AI老师

HumanMessage:
请解释RAG

---

18.3 ChatPromptTemplate 数据流

用户变量

↓

ChatPromptTemplate

↓

SystemMessage
+
HumanMessage

↓

Chat Model

↓

AIMessage

---

十九、Chat Model Few-shot

19.1 为什么使用 HumanMessage + AIMessage？

Chat Model 天然理解：

HumanMessage
+
AIMessage

这种结构。

因此 Few-shot 示例可以表示：

Human:
这个手机很好用

AI:
正面

告诉模型：

输入
↓
应该如何输出

---

19.2 Few-shot 与多轮对话区别

两者形式相似：

HumanMessage + AIMessage

但是目的不同。

多轮对话

作用：

保存真实历史上下文。

例如：

Human:
我叫小明

AI:
你好小明

Human:
我叫什么？

---

Few-shot

作用：

提供人为设计的任务示例。

例如：

Human:
这个手机很好用

AI:
正面


Human:
物流太慢

AI:
负面

---

19.3 FewShotChatMessagePromptTemplate

用于：

Chat Model Few-shot

作用：

根据 examples 自动生成 HumanMessage + AIMessage 示例。

逻辑：

examples

↓

example_prompt

↓

HumanMessage
+
AIMessage

↓

ChatPromptTemplate

↓

Chat Model

---