好，接下来我们来看一下这个提示模板。第一个的话，我们需要给大家把这个提示模板的相关概念来去介绍一下。这个应该也是相对来说比较简单的，在乱枪中的这个model里面，提示模板是其中的一个组成之一。
 
语言模型的提示是用户提供一组指令的输入输出？用于指导模型的一个响应，帮助模型理解上下文，并生成相关并且连贯的进行语言的输出？例如回答问题完成子句或者参与某些项目活动规划等等。
 
Perm这个permanent temple是当前的一个概念？通过接收原始用户输入并返回一个准备好传递给原模型的这样一个信息。就是我们讲这个提示时，这块我们前面有去介绍过对吧？下面是相关的描述。这里面的这些提示模板的特点，再来给大家列举了12345。这个我们就先不去带大家去看了，对吧？这个东西我们用完之后，大家都会有自己的一些理解在这里面，这块就给大家列举在这里面。像其实模板的类型这块，要稍微的去看一下，因为我们在下面的案例里面其实也都会涉及到。
 
首先第一个LLLLM就这么讲，大模型提示模板，comment tempted是常用的这个时提示模板，还有聊天提示模板，像这个chat comment comment常用的聊天提示模板，用于组合各种角色的消息模板，聊天传入聊天模型。线性模式包含我们讲的chat message comment tempted，还有什么human message comment tempted，AI message comment, system message comment comment等等。再来列举有一些，这个我们等会案例里面会涉及到，还有样本提示模板，比如向上comment comment对吧？这个是通过司令来教模型如何去回答这个。我们前面在介绍这个提示其实也涉及到？还有部分格式化提升模板，提升模板传入所需的子集，以创建期望剩余是自己的新骑士模板，然后什么管道模板，自定义模板？这里面提供的比较多，那么我们会把前面的这三个重点给大家去做一下讲解。
 
好，然后我们来看一下针对于这个是模板这一块，我们应该怎么去用它，那么会涉及到哪些知识点，我们来看一下。首先第一个的话，再来给大家面具了如何去导入我们的这个模板。这里面给到什么给的是比较全的。我们这，可以导入这个comment的，然后还可以导入这个比如short comment comment，还有这个管道还有chat comment，comment上这个是我们这个聊天，聊天提示模板。然后下面这一块是对于这个聊天提示模板这块，我们再把它做了一些细分，做了一细分。所以这块是在我们使用这个模板的时候，我们可以结合上面所提示的提供的这些，我们针对性的去导入相关的这些模板。那么都是OK的。
 
好，我们再来看一下，那么上面是我们要去讲去导入相关的一些模板，也其实就是导入我们一些依赖。然后我们来看一下具体的我们应该要怎么去使用它。我们先去创建一下我们这个机制模板，再来给家给了一个简单的一个案例。这块我们可以给大家来跑一下，再来我们创建一个文件，这是拉欠，这个model一好，咱们把它拉过来。
 
好，拉过之后我们来看一下。首先第一个导入我们这个long chat，其实模板这块是导入这个comment对吧？Long chain点comment这个你可以点开看一下它那个源码。这里面其实就是它的一些核心的一些模块，像这个base permit template。然后下面是它的一些依赖关系，base message，还有什么permit value等等这些大家可以去通过这些结构简单去了解一下。
 
好，这个也不是我们重点。我们来看一下，首先导入模板，再创建一个原始模板。这个原始模板其实就直接干嘛，直接在这块就定义了一个字符串对吧？然后呢，里面我们给了一个变量，或者说我们讲的这个单位图？占位图，对应这个parent temple，这个其实就是我们讲这个原始的这样一个模板？这个是大模型所提供的，后面的temple，然后的话那么public加这个不让我们干conflate，temple ate。也就是说这块就是从我们的这个模板中去得到我们的提示词？
 
从我们模板中得到我们对应的一个提示值，这个对我们提示值指数里面有相关的一个单位？我们一个变量，然后再它这个paid comment就是将我们得到这个模板，我们把它打印出来，comment点format，是这个方面其实就是相当于我们讲的格式化，然后也就是我们这边的最终得到码，得到我们对应的这个支持，对吧？支持上面这一块其实还是蛮还是我们这样一个模板。然后对于变量做对应一个负值之后，得到得到对应一个趋势在这里面。
 
好，最后我们来看一下，因为在这里面我们就仅仅只是用什么用这个模板，然后去做我们这个提示词的这样一个处理，并没有跟大模型做相关的一个交互。在这里面，所以你看一下临时一个专业的程序员对吧？然后对于信息方差进行简单的描述，简单描述。然后上面你看这个是我们的平时的一个输出。你看有一个input variable，就是我们的输入的变量里面有一个叫做test对吧？test.
 
Input tape这边是一个大括号，下面有一个模板，就是探险模板信息就这一块对吧。然后呢，我们这边去做了一个格式化的一个解析，然后得到一个完整的一个信息对吧？完整信息。
 
所以这个是咱们的原始的这样一个模板，它的一个应用，原始的模板信用，然后那么这个完了之后，我们就可以干嘛呢？就可以使用我们所讲的这个浪莎里面它所提供的什么呢？它所提供的这种API我们来看一下，我们去生成，通过它去做相关的一个生成的一个处理这块我们创建一下，我们做一个简单对比，这老趁。Model 2好拉过来。然后这块的话大家看一下，看一下这个结构跟我们前面这一块的一个比较。它那个操作首先我们同样的要导入这样一个什么导入这个模板，再去使用的时候，这个comment我们前面是通过这个comment terminate点form terminate，从模板之后我们把它干嘛都进来。
 
而现在的话那么我们直接在这个poland里面？通过两个参数变量，一个是input rebel。Input rebel其实就是指定什么，指定我们的需要输入的变量的一个名称。Turbot就是我们这个模板的内容，对吧？模板内容。
 
我们这边comment点format test mont这个就是针对我们的输入变量，我们再去做格式化的时候，我们需要干嘛？我们需要对它做对应的一个输入是吧？做对应的一个输入。所以这个是什么？是通过我们这个long time里面，说通过这个API，我们直接去生成我们的这种，首先我们来执行一下，看看他那个效果好，你会发现是不搞定了对吧？是不是搞定了。好，那这个搞定之后，其实我们就可以干嘛跟大模型去做一下对应的一个交互对吧？
 
好再来，我们把这个案件，我们把它复制一下，再来给一个三，对吧？给个三在这里面，按照代码我们这一块拉过来，然后这块的话我们就直接把上面这个把它拉过来。拿过来之后，我们在这儿可以来看一下这个代码其实就比较简单对吧？
 
我们在上面这个代码技术上面，也第一个我们要引用这个long chain的open I的一个模型接口，吧？我们这边要导入本地的环境，对吧？肯定环境。然后下面这一块是通用？这component我们用的这个模型chat OpenAI这块就是获取了获取我们的模型对象，GPC杠CO当这个版本你可以自行去调整。
 
好，然后下面的部分我们就用这个这边我们所讲什么，这边我们所讲的这个直接去生成我们的模板。那么这个就是后面的point，输入我们模板内容，输入结束时comment点comment，然后大模型当券，然后去做对应那个翻译，然后input这个是我们的一个输入，这是我们的提示时，对吧？通过模仿我们所得到的这样一个提示时，model的you work，model的you look。其实就通过模型，去调用的模型，传入我们的这个及时，得到对应的一个复习结果，对吧？好，我们来看一下结果是不是我们所期望的。
 
好，这块就输出了相关信息，当然这个里面东西比较多，对吧？那么我们直接把它里面的这个country content拿过来，后面这些信息我们暂时就不需要。
 
好，可以看到你看它像是一个用于构建云大模型交互的应用程序的服务框架，对吧？它提供了一些图像，什么可能在这里？那么是不是OK了？就OK了，所以这一块的话，可以看一下，就是它相对应于我们前面的案例代码对吧？
 
前面的一个案例代码，这块就是通过在烂券里面帮助我们去构建这样一个什么构建这样一个及时池？构建这样一个及时池，那么它所对应的一个步骤？它的这样一个步骤在这里面就是这样的。当然你可以干嘛，你可以这边直接传过去，对吧？比方说用这儿你直接干嘛呢？直接传一个用lock临时一个专业人员，然后对什么信息进行描述，那这个就买这个就是我们的十？平时你也可以只是说这种，我们想让它更加的灵活一些对吧？灵活一些，那么我们需要借助于上面上面的这些方式，更好的去更灵活的去处理它，只是说这两个代码其实本质上是一样的，本质上是一样的。
 
好，下面是他的一些介绍对吧？它的一些介绍在这里面。好，这个是我们讲的这个long券里面作为这个提示时，它基本的一个使用。好，我们就介绍到这里面。