Chat Prompt Template & Chat Prompt-1

1. Creating Template Object

1.1 ChatPromptTemplate.from_template

• 用於創建單一角色（默認為 human）的模板。

• 可以直接傳遞字符串 str 或關鍵字參數 kwargs。

• 範例：

  from langchain.prompts import ChatPromptTemplate
  
  chat_prompt_template = ChatPromptTemplate.from_template(
      template="What is the capital of {country}?"

1.2 ChatPromptTemplate.from_messages

• 用於創建多角色的模板，適合多輪對話場景。
• 支援以下三種輸入格式：

  1. Single role (list[str])：

     • 單一角色的消息序列，默認為 human。

     • 範例：

       ChatPromptTemplate.from_messages(
           messages=["Tell me a joke about {topic}", "Do you know more about it?"]
       )

  2. Multiple roles (list[tuples])：

     • 包括角色（message type）與消息模板的元組。

     • 範例：

       ChatPromptTemplate.from_messages(
           messages=[
               ("system", "You are a helpful assistant."),
               ("human", "Tell me a joke about {topic}."),
               ("ai", "Here is a joke: Why did the chicken cross the road?")
           ]
       )

  3. BaseMessage object (list[BaseMessage])：

     • 可使用 LangChain 的 BaseMessage 或 BaseMessagePromptTemplate。

     • 適合需要進一步自定義角色與行為的場景。

     • 範例：

       from langchain.schema import HumanMessage, SystemMessage, AIMessage
       
       ChatPromptTemplate.from_messages(
           messages=[
               SystemMessage(content="You are a helpful assistant."),
               HumanMessage(content="Tell me a joke."),
               AIMessage(content="Here is a joke.")
           ]

---

2. Generating Prompt

• 目標：將變數插入到模板中以生成具體的 Prompt。
• 方法：

  • .format()：

    • 將變數值插入模板中生成字符串。

    • 範例：

      chat_prompt = chat_prompt_template.format(country="France")
      # 結果："What is the capital of France?"

  • .invoke()：

    • 接受字典形式的參數，生成 ChatPromptValue（更進階的結構）。

    • 範例：

      chat_prompt = chat_prompt_template.invoke({"country": "France"})

---

3. Converting Prompt

• 將生成的 Prompt 轉換為不同的格式，以適應不同的應用場景：
  • .to_string()：
    • 將 ChatPromptValue 轉換為純字符串格式。
    • 結果：str。
  • .messages：
    • 獲取一個 list[BaseMessage]，方便用於 Chat Model。
    • 默認角色為 human。
  • .to_messages()：
    • 與 .messages 相似，但允許進一步的自定義轉換。
• 提示：所有的輸入變數必須在調用 .format() 或 .invoke() 時提供，否則會拋出錯誤。

---

應用場景

這種設計使得 LangChain 在處理對話場景時非常靈活，特別是在多輪對話、結構化輸入或工具調用的場景中：

1. 多輪對話：
   • 使用 ChatPromptTemplate.from_messages() 定義多角色交互的上下文。
   • 例如用於模擬人類與 AI 的對話。
2. 結構化上下文：
   • 利用 SystemMessage 設置模型行為。
   • HumanMessage 與 AIMessage 定義互動內容。
3. 工具調用結合：
   • 將 ChatPromptValue 轉換為 BaseMessage 列表，並作為輸入給 Chat Model 處理。

---

總結

• ChatPromptTemplate 是 LangChain 處理對話上下文的核心工具。
• 它允許創建單一角色或多角色的 Prompt 模板，並支援靈活的參數插入與輸出格式轉換。
• 通過結合 .format() 和 .invoke()，以及輸出到字符串或消息列表，可以適應多種應用場景。