现在有这样一个需求,要求使用AI智能化完成这个任务。
- 1、先处理大纲:构建大纲提示词 → 获得大纲内容
- 2、再处理注意事项:构建注意事项提示词 → 获得注意事项内容
- 3、最后整合生成文章:整合所有信息 → 构建最终提示词 → 获得完整文章
流程图如下:
代码实现:- from langchain_openai import ChatOpenAI
- from langchain_core.prompts import ChatPromptTemplate
- from langchain_core.output_parsers import StrOutputParser
- #目标写一个文章 先让大模型生成大纲和需要注意事项 然后仍给大模型生成文章
- #模型接入
- DEEPSEEK_API_KEY = "123" # 替换为实际的 API Key
- llm = ChatOpenAI(
- api_key=DEEPSEEK_API_KEY,
- base_url="http://qwen3-32b-awq.model.xjipc.com/openai/v1",
- model="qwen3-32b-awq",
- temperature=0.3,
- max_tokens=10240,
- )
- #生成大纲提示词
- outlinePromptTemplate = '''主题:{theme}
- 如果要根据主题写一篇文章,请列出文章的大纲。'''
- outlinePrompt = ChatPromptTemplate.from_template(outlinePromptTemplate)
- #生成注意事项提示词
- tipsPromptTemplate = '''主题:{theme}
- 如果要根据主题写一篇文章,应该需要注意哪些方面,才能把这篇文章写好。
- '''
- tipsPrompt = ChatPromptTemplate.from_template(tipsPromptTemplate)
- tipsPrompt
- #主题
- query = "2025年中国经济走向与运行趋势"
- strParser = StrOutputParser()
- #生成大纲
- outlineChain = outlinePrompt | llm | strParser
- outline = outlineChain.invoke({"theme":query})
- #生成注意事项
- tipsChain = tipsPrompt | llm | strParser
- tips = tipsChain.invoke({"theme":query})
- print('------------大纲--------------')
- print(outline)
- print('------------注意事项--------------')
- print(tips)
- #最终生成文章提示词
- articlePromptTemplate = '''主题:{theme}
- 大纲:
- {outline}
- 注意事项:
- {tips}
- 请根据上面的主题、大纲和注意事项写出丰富的完整文章内容。
- '''
- articlePrompt = ChatPromptTemplate.from_template(articlePromptTemplate)
- #生成最终文章
- articleChain = articlePrompt | llm | strParser
- resutl = articleChain.invoke({
- "theme":query,
- "outline":outline,
- "tips":tips
- })
- print('------------生成最终文章--------------')
- print(resutl)
复制代码
缺点时间效率低
- 总耗时累加:总执行时间 = 生成大纲时间 + 生成注意事项时间 + 生成文章时间
- 如果每个LLM调用需要3秒,总耗时至少9秒
如何优化改成并行,下一篇对该流程进行优化改进。
更多学习资料尽在 老虎网盘资源
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! |