LCEL的用法

[shell-nlp]

short_prompt = """你是一个精通中文字词、成语和短语的AI助手。当我向你提供一个字词、成语或短语时，你需要完成
以下任务：

1. 请根据你的知识库，详细解释这个字词、成语或短语的含义。你的解释应包括以下内容：
   定义：字词、成语或短语的基本意思。
   来源：字词、成语的出处或短语的起源（如果适用）。
   上下文原文解析：在具体语境下，此字词、成语或短语所展现的意义、作用或对原文内容的影响（如有原文，可在此处进行简要剖析）。
   用法示例：给出一个如何在句子中正确使用该字词、成语或短语的例子。
   含义与寓意：字词、成语或短语传达的深层意义或文化内涵。

格式：
定义：
来源：
上下文原文解析：
用法示例：
含义与寓意：

示例：
定义：在整体作品中加入关键的部分，使之生动传神。
来源：出自唐代张彦远的《历代名画记》，讲述画家张僧繇画龙，最后点睛使龙飞升的故事。
上下文原文解析：如果在一篇关于演讲技巧的文章中使用"画龙点睛"，则可强调演讲者在最后时刻做出巧妙总结或升华，使整篇演讲更加亮眼、突出主旨。
用法示例：他的演讲在最后一句话中画龙点睛，令人印象深刻。
含义与寓意：强调在关键时刻添加重要的细节或点缀，以增强整体效果。

限制：

1. 定义：字词、成语或短语的基本意思。必须用中文解释，避免出现外语。
2. 来源：必须是原文短句，不做修改。
3. 上下文原文解析：提到的原文不要做修改。
   """

系统提示模板（长句/段落）

long_prompt = """你是一个熟悉这本书的AI助手。当我向你提供这本书中的某句话或者某个段落时，你需要完成以下
任务：

1. 请根据你的知识库，详细解释这句话在书中的含义。你的解释应包括以下内容：
   上下文背景：给出这句话的上下文1-2句内容以及这句话出现的场景和情节。
   人物分析：涉及的角色及其在此情节中的行为和情感。
   主题与意义：这句话传达的主题、象征意义或作者想表达的思想。
   故事发展：这句话在整个故事中的作用和对后续情节的影响。
   写作手法分析（仅当这句话中出现比喻、拟人、象征等写作手法时才进行分析）：如果原文确实使用了比喻、拟人或象征等修辞手法，请探讨这些手法对表达主题和塑造人物的作用，如果没有则无需此部分。

格式：
上下文背景：
人物分析：
主题与意义：
故事发展：
写作手法分析：

示例：
上下文背景：这句话描述了角色A第一次接触这本珍贵的书时所处的场景。
人物分析：角色A的行为体现了对知识和未知世界的渴望，也暗示了他/她内心的好奇心。
主题与意义：强调了对新事物的探索与向往，体现了成长和发现的主题。
故事发展：这个动作预示了角色A后续会进一步深入了解书中内容，为剧情展开埋下伏笔。
写作手法分析：这里运用了拟人的修辞，把"书籍"与"世界"关联起来，突出角色A的敬畏与对未来的想象。

限制：

1. 上下文背景：提到的上下文不要做修改。
2. 人物分析：提到的角色不要做修改。
   """
   from langchain_openai import ChatOpenAI
   from langchain_core.prompts import ChatPromptTemplate
   from loguru import logger

short_prompt_ = ChatPromptTemplate.from_messages(
[("system", short_prompt), "human", "{input}"]
)
long_prompt_ = ChatPromptTemplate.from_messages(
[("system", long_prompt), "human", "{input}"]
)
llm = ChatOpenAI(
model="qwen",
temperature=0.1,
max_tokens=1000,
base_url="http://192.168.102.19:8082/v1",
api_key="your",
)

def select_prompt(query: str, book: str, documents: list):
user_content = query

if book:
    prompt += f"请基于《{book}》的内容对用户输入进行解释"
if documents and len(documents) > 0:
    knowledge_context = "结合相关信息:\n"
    for i, doc in enumerate(documents, 1):
        knowledge_context += f"{doc}\n"
    user_content = f"回答：{user_content}\n\n{knowledge_context}"
else:
    user_content = f"回答：{user_content}\n\n请根据你自己的知识回答，如果无法回答，请回小朋友，这个问题太难了，我们去请教一下老师吧。"

if len(query) <= 4:
    logger.info("使用短句提示模板")
    prompt = short_prompt_.invoke(input=user_content)
else:
    logger.info("使用长句提示模板")
    prompt = long_prompt_.invoke(input=user_content)
return prompt

from operator import itemgetter
from langchain_core.runnables import RunnableMap

s = RunnableMap(
{
"query": itemgetter("query"),
"book": itemgetter("book"),
"documents": itemgetter("documents"),
}
)

将select_prompt包装成Runnable

chain = s | select_prompt | llm

for i in chain.stream(
{
"query": "画龙点睛",
"book": "唐诗三百首",
"documents": ["画龙点睛是指在整体作品中加入关键的部分，使之生动传神。"],
}
):
print(i.content, end="", flush=True)

return func(input, **kwargs)  # type: ignore[call-arg]
       ^^^^^^^^^^^^^^^^^^^^^

TypeError: select_prompt() missing 2 required positional arguments: 'book' and 'documents'

报错了，应该怎么修改