LV015-LangChain链的确定性输出

实验 4：LangChain链的确定性输出

一、实验详情

** 目标**：使用 LangChain 链生成广告文案

文件位置：student_code/lab4/main.py

需要实现：generate_ad() 函数

任务要求：

• 使用PromptTemplate定义模板（包含 {product} 和 {feature}）
• 创建LLMChain连接Prompt和LLM
• 生成广告文案并计算字数
• 返回结构化结果

关键要求：

• 使用 PromptTemplate 定义模板（包含 {product} 和 {feature}）
• 创建 LLMChain 连接 Prompt 和 LLM
• 返回字典包含 ad_copy, word_count, template_used
• word_count 必须等于 len(ad_copy)

实现提示：

# 当前状态：raise NotImplementedError("请实现 generate_ad 函数")
# 你需要：
# 1. 创建包含{product}和{feature}的PromptTemplate
# 2. 创建Ollama LLM实例
# 3. 创建LLMChain连接prompt和llm
# 4. 调用chain.run()或chain.predict()
# 5. 返回包含ad_copy, word_count, template_used的字典

LangChain 示例：

from langchain.chains import LLMChain
from langchain.prompts import PromptTemplate

template = "为产品 {product} 创作广告，特性：{feature}"
prompt = PromptTemplate(
    input_variables=["product", "feature"],
    template=template
)

chain = LLMChain(llm=llm, prompt=prompt)
result = chain.run(product="智能手表", feature="心率监测")

测试运行：

pytest grader/test_lab4.py -v

测试用例：

• ✅ 输出结构验证（20%）
• ✅ 字数一致性（25%）
• ✅ 产品名包含（20%）
• ✅ 特性包含（20%）
• ✅ 长度合理性（15%）
• 🌟 多产品批量测试（加分项）

二、环境准备

1. 系统要求

• Python: 3.10 或更高版本
• 操作系统: Linux / macOS / Windows
• Ollama: 本地 AI 模型服务

2. 安装 Ollama

2.1 Linux / macOS

# 安装 Ollama
curl -fsSL https://ollama.ai/install.sh | sh

# 启动 Ollama 服务
ollama serve

# 下载 Qwen3-8B 模型（新开一个终端）
ollama pull qwen3:8b

2.2 Windows

1. 访问 Ollama 官网 下载 Windows 安装包
2. 安装并启动 Ollama
3. 在命令提示符中运行：ollama pull qwen3:8b

3. 验证 Ollama 服务

# 检查 Ollama 是否运行
curl http://localhost:11434/api/tags

# 应该返回包含 qwen3:8b 的模型列表

4. 安装 Python 依赖

# 安装依赖
pip install -r requirements.txt

requirements.txt 内容如下：

langchain==0.3.27
langchain-community>=0.0.10
pydantic>=2.0.0
pytest>=7.4.0
pytest-timeout>=2.1.0
pytest-json-report>=1.5.0
httpx>=0.25.0

三、实验示例

1. main.py

"""
实验4：LangChain 链的确定性输出
学生需要使用 LangChain 的 PromptTemplate 和 LLMChain 生成广告文案
"""
# 提示：需要导入 LangChain 相关模块
from langchain_core.prompts import PromptTemplate
from langchain_community.llms import Ollama
from langchain.chains import LLMChain


def generate_ad(input_dict: dict) -> dict:
    """
    使用 LangChain 链生成广告文案
    
    参数:
        input_dict: 字典，包含:
            - product (str): 产品名称
            - feature (str): 核心特性
    
    返回:
        字典，包含:
        - ad_copy (str): 生成的广告文案
        - word_count (int): 文案字数（使用 len(ad_copy) 统计）
        - template_used (str): 使用的模板名称
    
    实现要求:
        1. 使用 PromptTemplate 定义广告文案生成模板
        2. 创建 LLMChain，连接 PromptTemplate 和 Ollama LLM
        3. 链的输出必须经过后处理，提取文案并计算字数
        4. 模板必须包含 {product} 和 {feature} 两个变量
        5. word_count 必须与 ad_copy 的实际长度一致
    """

    # 1. 创建 PromptTemplate，包含产品和特性变量
    prompt = PromptTemplate(
        input_variables=["product", "feature"],
        template="""你现在是是广告文案设计师。我需要你帮我设计一个广告文案，要求如下：
产品名称：{product}
核心特性：{feature}
要求：
1. 文案中必须包含完整的产品名称"{product}"
2. 文案中必须包含完整的特性名称"{feature}"
3. 文案字数控制在100字以内
4. 语言生动有趣，可以吸引用户
5. 直接输出广告文案，不要包含任何其他内容。"""
    )

    # 2. 创建 Ollama LLM 实例
    llm = Ollama(
		model="qwen3:0.6b", 
		base_url="http://localhost:11434"
	)
    # 3. 创建 LLMChain，连接 Prompt 和 LLM
    chain = LLMChain(
        llm=llm,
        prompt=prompt
    )
    # 4. 运行链，传入产品和特性参数，这些参数就是 PromptTemplate 中对应的变量
    try:
        result = chain.invoke({
            "product": input_dict["product"],
            "feature": input_dict["feature"]
        })
        # 5. 提取文案
        ad_copy = result.get("text", "") if isinstance(result, dict) else str(result)
        # 清理文案（去除多余的空白字符）
        ad_copy = ad_copy.strip()
        # 计算字数
        word_count = len(ad_copy)
        # 6. 返回结构化结果
        return {
            "ad_copy": ad_copy,
            "word_count": word_count,
            "template_used": "base_template"
        }
    except Exception as e:
        raise Exception(f"生成广告文案时发生错误: {e}")

# 测试代码（可选，用于学生本地调试）
if __name__ == "__main__":
    # 测试基础版本
    print("=== 测试基础广告生成 ===")
    test_inputs = [
        {"product": "智能手表", "feature": "心率监测"},
        {"product": "无线耳机", "feature": "降噪功能"},
        {"product": "扫地机器人", "feature": "自动避障"}
    ]
    
    for input_data in test_inputs:
        try:
            result = generate_ad(input_data)
            print(f"\n产品: {input_data['product']}")
            print(f"文案: {result['ad_copy']}")
            print(f"字数: {result['word_count']}")
            print(f"模板: {result['template_used']}")
        except Exception as e:
            print(f"错误: {e}")

2. 运行结果

python .\main.py

【例】

D:\sumu_blog\python-ai\lab4> python .\main.py
=== 测试基础广告生成 ===
D:\sumu_blog\python-ai\lab4\main.py:54: LangChainDeprecationWarning: The class `LLMChain` was deprecated in LangChain 0.1.17 and will be removed in 1.0. Use RunnableSequence, e.g., `prompt | llm` instead.
  chain = LLMChain(

产品: 智能手表
文案: 你的健康，从12小时开始！智能手表心率监测，实时守护你的每一刻。
字数: 32
模板: base_template

产品: 无线耳机
文案: 【沉浸式降噪，让音质更清晰】
无线耳机，降噪功能让音质更清晰，开启你的沉浸式体验。立刻购买，开启你的新音域！
字数: 56
模板: base_template

产品: 扫地机器人
文案: 扫地机器人，自动避障，让生活更轻松！✨
字数: 19
模板: base_template