from langchain import PromptTemplate
template = "客户问题：{question}\n请提供详细的解答："prompt = PromptTemplate.from_template(template)input_variables = {"question": "如何重置我的密码？"}print(prompt.format(input_variables))

from langchain import PromptTemplate
prompt_template = PromptTemplate(input_variables=["topic"],template="请您分享对{topic}的看法。")print(prompt_template.format(topic="新产品功能"))

from jinja2 import Template
template = Template("请撰写一篇关于{{ topic }}的文章，重点讨论{{ aspect }}。")prompt = template.render(topic="人工智能", aspect="未来发展")print(prompt)

from langchain import ChatPromptTemplate
chat_prompt = ChatPromptTemplate.from_messages([{"role": "system", "content": "你是一名帮助用户的助手。"},{"role": "user", "content": "你能告诉我今天的天气吗？"}])messages = chat_prompt.format_messages()print(messages)

from langchain import FewShotPromptTemplate
examples = [{"input": "你好", "output": "你好，有什么可以帮你的吗？"},{"input": "今天的天气怎么样？", "output": "今天的天气很不错，晴朗无云。"}]
few_shot_prompt = FewShotPromptTemplate.from_examples(examples=examples,prefix="这是一些对话示例：",suffix="请基于上面的示例生成你的回答：",input_variables=["input"])print(few_shot_prompt.format(input="我想知道最新的新闻"))

from abc import ABC, abstractmethodfrom typing import Dict, List
class BaseExampleSelector(ABC):"""用于选择包含在提示中的示例的接口。"""
@abstractmethoddef select_examples(self, input_variables: Dict[str, str]) -> List[dict]:"""根据输入选择要使用的示例。"""pass

def parser_prompt():# 创建一个输出解析器，用于处理带逗号分隔的列表输出output_parser = CommaSeparatedListOutputParser()
# 获取格式化指令，该指令告诉模型如何格式化其输出format_instructions = output_parser.get_format_instructions()
# 创建一个提示模板，它会基于给定的模板和变量来生成提示prompt = PromptTemplate(template="List five {subject}.\n{format_instructions}",# 模板内容input_variables=["subject"],# 输入变量partial_variables={"format_instructions": format_instructions}# 预定义的变量，这里我们传入格式化指令)_input = prompt.format(subject="ice cream flavors")print(_input)output = chat_llm(_input)print(output)

def parser_date():output_parser = DatetimeOutputParser()template = """Answer the users question:
{question}
{format_instructions}"""
prompt = PromptTemplate.from_template(template,partial_variables={"format_instructions": output_parser.get_format_instructions()},)chain = LLMChain(prompt=prompt, llm=chat_llm)output = chain.run("around when was bitcoin founded?")#比特币大约是何时创建的print(output)print(output_parser.parse(output))