langchain messages

Messages对象可以用在提示词和谈天信息中。现在重要有Message和MessageChunk两种范例，这里仅以Message类为主举行先容。Message类重要有以下几种：

  

• AIMessage: 大模子返回的信息，雷同于OpenAI模子中assistant范例的消息。  
  
• ChatMessage: ChatMessage有一个role字段，用于标识消息发送者的脚色或范例。  
  
• FunctionMessage/ToolMessage:向LLM返回函数或工具得到的信息。FunctionMessage是ToolMessage的旧版本。  
  
• SystemMessage: 体系脚色信息，雷同于OpenAI模子中system范例的消息。  
  
• HumanMessage：用户脚色的信息，雷同于OpenAI模子中user范例的消息。
  

SystemMessage

SystemMessage 是 LangChain 中用于界说体系消息的一个类，重要用于预设或引导 AI 模子的运动。这类消息通常作为一系列输入消息中的第一个通报，以设定对话的上下文或引导 AI 的相应方式。
重要功能

  

• 预设 AI 运动：通过体系消息，可以指定 AI 的脚色、名称或运动规范，从而影响后续的对话内容。  
  
• 设置对话上下文：体系消息为整个对话提供初始的配景信息，有助于 AI 更好地明白和相应用户的哀求。
  

利用示例

1. from langchain_core.messages import HumanMessage, SystemMessage
3. messages = [
4.     SystemMessage(
5.         content="You are a helpful assistant! Your name is Bob."
6.     ),
7.     HumanMessage(
8.         content="What is your name?"
9.     )
10. ]
12. # 定义一个聊天模型并使用这些消息进行调用
13. print(model.invoke(messages))

复制代码

在这个示例中，SystemMessage 被用来设定 AI 的名称为 Bob，并指明它是一个乐于助人的助手。当用户问到“你的名字是什么？”时，AI 会根据体系消息中的设定举行回应。
参数分析

  

• content (str 或 List[Union[str, Dict]], 必须): 消息的重要内容，可以是字符串或字符串和字典的列表。  
  
• id (Optional[str]): 消息的唯一标识符，通常由天生消息的提供者或模子提供。  
  
• name (Optional[str]): 消息的名称，用于提供一个易于阅读的标识。  
  
• response_metadata (dict, 可选): 相应的元数据，比方相应头、日志概率、token 计数等。  
  
• type (Literal['system'], 默认值为 'system'): 消息的范例，用于序列化时区分差别范例的消息。
  

方法

  

• pretty_print(): 无返回值，用于以可读的格式打印消息内容。  
  
• pretty_repr(html: bool = False) → str: 返回消息的可读性高的字符串表现。假如 html 为 True，则返回包罗 HTML 标签的格式化字符串。
  

利用场景

SystemMessage 常用于以了局景：

  

• 运动规范：指引 AI 在回复题目时依照特定的风格或规则。  
  
• 上下文初始化：提供初始的配景信息，使 AI 更好地明白后续的用户输入。
  

留意事项

  

• 序次紧张：SystemMessage 通常应作为消息序列中的第一个消息通报，以确保其对整个对话的引导作用。  
  
• 内容计划：编写体系消息时，应明白、简便地形貌 AI 的脚色和盼望运动，以克制歧义。
  

通过公道利用 SystemMessage，可以显着提升 AI 对话的质量和划一性，使其更好地满意用户的需求。
HumanMessage

HumanMessage 是 LangChain 中用于界说来自人类用户的消息的一个类。它代表用户发送给 AI 模子的输入，是对话交互中的关键构成部门。通过 HumanMessage，用户可以向模子提出题目、发出指令或举行任何情势的交换，模子则基于这些消息天生相应的相应。
重要功能

  

• 用户输入通报：HumanMessage 用于通报来自用户的现实输入，是驱动对话举行的焦点。  
  
• 对话上下文构建：团结其他范例的消息（如 SystemMessage），HumanMessage 有助于构建完备的对话上下文，使模子可以或许更正确地明白用户意图。  
  
• 消息标识与元数据：支持为每条消息分配唯一标识符和附加元数据，便于管理和追踪对话流程。
  

利用示例

以下示例展示了怎样利用 HumanMessage 与 SystemMessage 共同构建对话，并调用谈天模子天生相应：

1. from langchain_core.messages import HumanMessage, SystemMessage
3. messages = [
4.     SystemMessage(
5.         content="You are a helpful assistant! Your name is Bob."
6.     ),
7.     HumanMessage(
8.         content="What is your name?"
9.     )
10. ]
12. # 实例化一个聊天模型并使用这些消息进行调用
13. model = ...  # 替换为具体的模型实例
14. print(model.invoke(messages))

复制代码

在这个示例中，HumanMessage 用于通报用户的题目“你的名字是什么？”，而 SystemMessage 则为模子设定了初始的脚色和名称。当模子汲取到这些消息时，会根据体系消息中的指引举行相应。
参数分析

  

• content (str 或 List[Union[str, Dict]], 必须)：消息的重要内容，可以是单一字符串或字符串与字典的列表，用于形貌更复杂的消息布局。  
  
• example (bool, 可选，默认值为 False)：用于标志消息是否为示例对话的一部门。现在大多数模子忽略此参数，发起克制利用。  
  
• id (str | None, 可选)：消息的唯一标识符，通常由天生消息的提供者或模子提供，以便于消息的追踪和管理。  
  
• name (str | None, 可选)：消息的名称，用于提供一个易于阅读和辨认的标识。此字段的利用取决于模子的实现。  
  
• response_metadata (dict, 可选)：相应的元数据，比方相应头、日志概率（logprobs）、token 计数等，用于记载与消息干系的额外信息。  
  
• type (Literal['human'], 默认值为 'human')：消息的范例，用于序列化时区分差别范例的消息。
  

方法

  

• pretty_print(): 无返回值，用于以可读的格式打印消息内容，便于调试和检察。  
  
• pretty_repr(html: bool = False) → str: 返回消息的可读性高的字符串表现。假如 html 为 True，则返回包罗 HTML 标签的格式化字符串，实用于须要在网页或富文本环境中展示的场景。
  

利用场景

HumanMessage 常用于以了局景：

  

• 用户提问：用户向 AI 模子提出题目，寻求资助或信息。  
  
• 指令实行：用户下达指令，要求模子实行特定任务，如天生文本、翻译语言等。  
  
• 对话交互：在多轮对话中，用户通过多条 HumanMessage 与模子举行连续互动。  
  
• 情绪交换：用户表达情绪、意见或反馈，模子根据这些信息做出相应的回应。
  

留意事项

  

• 消息序次：在对话中，HumanMessage 应按照现实对话的序次通报，以确保模子可以或许精确明白对话的上下文和盼望。  
  
• 内容清楚：编写 HumanMessage 时，应确保内容清楚、具体，克制歧义，以便模子可以或许正确明白用户意图。  
  
• 唯一标识：为每条消息分配唯一的 id（假如大概），有助于在复杂对话或多线程对话中追踪消息泉源和相应。  
  
• 克制滥用 example 参数：由于现在大多数模子忽略 example 参数，发起克制依靠此参数来标志