FewShotPromptTemplate 少样本提示模版

FewShotPromptTemplate 少样本提示模版

什么是FewShot

Few-Shot（少样本）、One-Shot（单样本）和与 Zero-Shot（零样本）的概念都起源于机器学习。
在提示工程（Prompt Engineering）中，Few-Shot 和 Zero-Shot 学习的概念也被广泛应用。在 Few-Shot 学习中，模型会被给予几个示例，以帮助模型理解任务，并生成正确的响应，而 One-Shot 可以看作是一种最常见的 Few-Shot 。在 Zero-Shot 学习中，模型只根据任务的描述生成响应，不需要任何示例。
如下请看一个例子，认识一下One-Shot（单样本）和与 Zero-Shot（零样本）
在公园里有一个妈妈在教她的女儿拼图。小女孩一直找不到正确的位置，几次尝试后就显得有些沮丧。
妈妈说：“亲爱的，你需要耐心！”
女儿问：“妈妈，什么是耐心？”
妈妈指向旁边一个正在耐心给花园浇水的园丁说：“你看那位叔叔，他慢慢地给每一株植物浇水，从不急躁，这就是耐心，你也得慢慢来，一块一块地找到拼图的正确位置。”
这位妈妈通过实际的例子给女儿展示了什么是耐心，这是一种 One-Shot 学习。
如果她的女儿第一次听到“耐心”就明白什么含义，这就叫 Zero-Shot，表明这孩子的天赋不是一般的高，从知识积累和当前语境中就能够知道新词的含义。有时候我们把 Zero-Shot 翻译为“顿悟”，聪明的大模型，某些情况下也是能够做到的。

少样本示例的几篇论文

对于 Few-Shot Learning，一个重要的参考文献是 2016 年 Vinyals, O. 的论文《小样本学习的匹配网络》。这篇论文提出了一种新的学习模型——匹配网络（Matching Networks），专门针对单样本学习（One-Shot Learning）问题设计，而 One-Shot Learning 可以看作是一种最常见的 Few-Shot 学习的情况。
对于 Zero-Shot Learning，一个代表性的参考文献是 Palatucci, M. 在 2009 年提出的《基于语义输出编码的零样本学习（Zero-Shot Learning with semantic output codes）》，这篇论文提出了零次学习（Zero-Shot Learning）的概念，其中的学习系统可以根据类的语义描述来识别之前未见过的类。
OpenAI 在介绍 GPT-3 模型的重要论文《Language models are Few-Shot learners（语言模型是少样本学习者）》中，更是直接指出：GPT-3 模型，作为一个大型的自我监督学习模型，通过提升模型规模，实现了出色的 Few-Shot 学习性能。

Prompt 提示中的 Few-Shot 的作用和应用场景

Few-Shot 在 prompt 中的作用是通过少量样本引导模型对特定任务进行学习和执行，例如通过提供少量风格或主题示例，引导模型产出具有相似风格或主题的创作，这样可以让大模型更加理解问题，提高大模型的输出质量。
而 Zero-Shot 学习设置中，模型只根据任务的描述生成响应，不需要任何示例。

FewShotPromptTemplate 少样本提示类

FewShotPromptTemplate的继承至PromptTemplate，因此它的使用方式和PromptTemplate完全一样，只是在 FewShotPromptTemplate 上多了一些参数，例如 examples （示例）和 example_selector （示例选择器），这些参数可以在实例化模版对象的时增加示例，或者在运行时动态选择示例。

# 引入累类
from langchain import PromptTemplate
from langchain.prompts import FewShotPromptTemplate
# 定义示例
examples = [
    {"title": "今日份的小确幸", "content": "早上的一杯咖啡，让忙碌的生活暂时按下暂停键。在这个小小的瞬间，找到了自己的小确幸。"},
    {"title": "一个人的西藏", "content": "独自一人踏上西藏之旅，每一步都是风景，每一刻都是故事。这里的蓝天白云，让我忘记了世界的喧嚣。"},
    {"title": "夏日防晒必备良品", "content": "分享我这个夏天最爱的防晒霜，轻薄不油腻，让我在炎炎夏日也能享受阳光而不畏惧。"}
]
# 创建示例模版
example_prompt = PromptTemplate(
    input_variables=["title", "content"], template="标题: {title}\n内容：{content}"
)
# print(example_prompt.format(**examples[0]))
# 创建 FewShotPromptTemplate
fewShotprompt = FewShotPromptTemplate(
    examples=examples,
    example_prompt=example_prompt,
    example_separator="\n\n",
    prefix="想要创作出具有小红书风格的内容，请参考以下示例：",
    suffix="根据上述示例，尝试创作一个{user_input}。",
    input_variables=["user_input"]
)
# 生成提示
print(fewShotprompt.format(user_input="新的故事"))
'''
代码执行后输出内容如下：
想要创作出具有小红书风格的内容，请参考以下示例：
标题: 今日份的小确幸
内容：早上的一杯咖啡，让忙碌的生活暂时按下暂停键。在这个小小的瞬间，找到了自己的小确幸。
标题: 一个人的西藏
内容：独自一人踏上西藏之旅，每一步都是风景，每一刻都是故事。这里的蓝天白云，让我忘记了世界的喧嚣。
标题: 夏日防晒必备良品
内容：分享我这个夏天最爱的防晒霜，轻薄不油腻，让我在炎炎夏日也能享受阳光而不畏惧。
根据上述示例，尝试创作一个新的故事。
'''

上述例子是一个少样本的代码示例，LangChain 将示例单独用列表格式进行管理，然后用 PromptTemplate 生成示例提示，在代码示例中，FewShotPromptTemplate比PromptTemplate多出来的参数介绍如下：