提示词(Prompt)是输入给大模型(LLM)的文本指令,用于明确地告诉大模型你想要解决的问题或完成的任务,也是大语言模型理解用户需求并生成准确答案的基础。因此 prompt 使用的好坏,直接决定了大模型生成结果的质量(是否符合预期)。
那问题来了,在 Spring AI/Spring AI Alibaba 如何用好提示词?以及提示词的使用方式有哪些呢?接下来本文一起来盘点一下。
1.简单提示词使用
最简单的设置固定系统提示词和用户提示词的用法如下:- @RequestMapping("/chat")
- public String chat(String msg) {
- String result = chatClient.prompt()
- .system("你是一个问答助手") // 设置系统提示词
- .user(msg) // 设置用户提示词
- .call().content();
- System.out.println("结果:" + result);
- return result;
- }
复制代码 2.动态提示词
所谓的动态提示词指的是需要进行动态参数替换的提示词,它的基本使用如下:- @RequestMapping("/chat")
- public String chat(String topic) {
- PromptTemplate promptTemplate =
- new PromptTemplate("你是一个{role},讲一个关于{topic}的故事");
- Prompt prompt = promptTemplate.create(Map.of("role", "讲故事的助手",
- "topic", topic));
- return chatModel.call(prompt).getResult().getOutput().getText();
- }
复制代码 3.从文件中读取动态提示词
动态提示词如果比较短,我们可以像上面一样写到代码里面,如果比较长,我们可以把它单独放的某个文件模版中进行读取使用,具体实现如下:- // 从文件中读取提示词
- @Value("classpath:type-system-prompt-txt")
- private Resource systemPrompt;
- @RequestMapping("/chat")
- public String chat(String msg) {
- return chatClient.prompt()
- .system(systemPrompt)
- .user(msg)
- .call()
- .content();
- }
- }
复制代码 4.Lambda表达式提示词
当提示词比较短的时候,除了可以使用 PromptTemplate 设置提示词之外,我们还可以使用 Lambda 表达式来实现动态提示词的设置,具体使用如下:- @RequestMapping("/chat")
- public User chat(String name) {
- return chatClient.prompt()
- .user(msg -> msg.text("我叫{name},今年18岁,爱好打羽毛球。")
- .param("name", name))
- .call()
- .entity(User.class); // 结果化输出
- }
复制代码 小结
提示词是用户和大模型交互的直接手段,所以在程序中用好提示词是至关重要的。本文提供了 4 种提示词的使用方式,开发者可以根据具体的业务场景,选择合适的提示词使用方式来完成 AI 应用开发。一起实操起来吧~
本文已收录到我的技术小站 www.javacn.site,其中包含的内容有:Spring AI、LangChain4j、Dify、Spring AI Alibaba、AI Agent、MCP、Function Call、RAG、向量数据库、Prompt、多模态、向量数据库、嵌入模型等内容。
关注公众号(加好友):
作者: 王磊的博客
出处: http://vipstone.cnblogs.com/
来源:程序园用户自行投稿发布,如果侵权,请联系站长删除
免责声明:如果侵犯了您的权益,请联系站长,我们会及时删除侵权内容,谢谢合作! |