LangChainHub 共享的提示词Prompt

langchainhub 是一个开源的提示词(Prompt)共享平台，主要面向使用LangChain框架的开发者。它为开发者提供了以下核心功能：

平台功能

  1. 提示词共享与发现：用户可以上传和下载经过测试的Prompt模板，支持按任务类型和领域分类浏览，提供Prompt评分和用户反馈系统
  2. Prompt版本管理：支持Prompt的版本控制，记录不同版本的迭代改进过程，允许回滚到历史版本
  3. 协作功能：可以fork他人分享的Prompt进行二次开发，支持团队协作编辑，提供讨论区供用户交流Prompt优化经验
  4. 测试与验证：内置Prompt测试环境，支持批量测试不同LLM模型的效果，提供性能指标评估

技术特点

  1. 与LangChain深度集成：支持直接导出为LangChain可用的Prompt模板，兼容LangChain的各种组件，提供API便于程序化访问
  2. 格式标准化：统一的Prompt描述格式，包含元数据，支持变量插值和条件逻辑
  3. 安全机制：敏感信息过滤，使用权限控制，Prompt来源验证

应用场景

  1. 快速开发：新项目可直接复用已验证Prompt，减少重复设计时间，跨团队知识共享
  2. 教育研究：学习优质Prompt设计模式，分析不同Prompt的效果差异
  3. 企业应用：建立企业内部的Prompt知识库，标准化Prompt开发流程

使用建议

  1. 搜索技巧：使用精确的关键词组合，关注高评分和活跃维护的Prompt
  2. 贡献指南：提供清晰的Prompt描述，包含测试用例和预期输出
  3. 优化流程：从基础Prompt开始逐步改进，记录每次修改的效果变化

该平台目前支持多种主流大语言模型(如GPT、Claude、LLaMA等)的Prompt管理，并持续扩展更多功能以满足开发者需求。

LangChainHub 的思路真的很好，通过Hub的方式将Prompt 共享起来，大家可以通过很方便的手段，短短的几行代码就可以使用共享的Prompt。作者非常看好这个项目。官方推荐使用LangChainHub，但是它在GitHub已经一年没有更新了，数据还在更新。

安装依赖

pip install langchainhub

Prompt模板

HUMAN

You are a helpful assistant. Help the user answer any questions.

You have access to the following tools:

{tools}

In order to use a tool, you can use <tool></tool> and <tool_input></tool_input> tags. You will then get back a response in the form <observation></observation>

For example, if you have a tool called 'search' that could run a google search, in order to search for the weather in SF you would respond:

<tool>search</tool><tool_input>weather in SF</tool_input>

<observation>64 degrees</observation>

When you are done, respond with a final answer between <final_answer></final_answer>. For example:

<final_answer>The weather in SF is 64 degrees</final_answer>

Begin!

Previous Conversation:

{chat_history}

Question: {input}

{agent_scratchpad}

编写代码

代码主要部分是，定义了一个工具tool，让Agent执行，模拟了一个搜索引擎，让GPT利用工具对自身的内容进行扩展，从而完成复杂的任务。

from langchain import hub
from langchain.agents import AgentExecutor, tool
from langchain.agents.output_parsers import XMLAgentOutputParser
from langchain_openai import ChatOpenAI

model = ChatOpenAI(
    model="gpt-3.5-turbo",
)


@tool
def search(query: str) -> str:
    """Search things about current events."""
    return "32 degrees"


tool_list = [search]
# Get the prompt to use - you can modify this!
prompt = hub.pull("hwchase17/xml-agent-convo")


# Logic for going from intermediate steps to a string to pass into model
# This is pretty tied to the prompt
def convert_intermediate_steps(intermediate_steps):
    log = ""
    for action, observation in intermediate_steps:
        log += (
            f"<tool>{action.tool}</tool><tool_input>{action.tool_input}"
            f"</tool_input><observation>{observation}</observation>"
        )
    return log


# Logic for converting tools to string to go in prompt
def convert_tools(tools):
    return "\n".join([f"{tool.name}: {tool.description}" for tool in tools])


agent = (
    {
        "input": lambda x: x["input"],
        "agent_scratchpad": lambda x: convert_intermediate_steps(
            x["intermediate_steps"]
        ),
    }
    | prompt.partial(tools=convert_tools(tool_list))
    | model.bind(stop=["</tool_input>", "</final_answer>"])
    | XMLAgentOutputParser()
)

agent_executor = AgentExecutor(agent=agent, tools=tool_list)
message = agent_executor.invoke({"input": "whats the weather in New york?"})
print(f"message: {message}")

运行结果

➜ python3 test10.py
message: {'input': 'whats the weather in New york?', 'output': 'The weather in New York is 32 degrees'}