Source code for langchain.chains.prompt_selector

from abc import ABC, abstractmethod
from typing import Callable, List, Tuple

from langchain_core.language_models import BaseLanguageModel
from langchain_core.language_models.chat_models import BaseChatModel
from langchain_core.language_models.llms import BaseLLM
from langchain_core.prompts import BasePromptTemplate
from langchain_core.pydantic_v1 import BaseModel, Field


class BasePromptSelector(BaseModel, ABC):
    """用于提示选择器的基类。"""

    @abstractmethod
    def get_prompt(self, llm: BaseLanguageModel) -> BasePromptTemplate:
        """获取语言模型的默认提示。"""


class ConditionalPromptSelector(BasePromptSelector):
    """提示收集器，通过条件语句。"""

    default_prompt: BasePromptTemplate
    """如果没有条件匹配，则使用的默认提示。"""
    conditionals: List[
        Tuple[Callable[[BaseLanguageModel], bool], BasePromptTemplate]
    ] = Field(default_factory=list)
    """如果条件匹配，则使用的条件语句和提示列表。"""

    def get_prompt(self, llm: BaseLanguageModel) -> BasePromptTemplate:
        """获取语言模型的默认提示符。

参数：
    llm：要获取提示符的语言模型。

返回：
    用于该语言模型的提示符。
"""
        for condition, prompt in self.conditionals:
            if condition(llm):
                return prompt
        return self.default_prompt


def is_llm(llm: BaseLanguageModel) -> bool:
    """检查语言模型是否为LLM。

参数：
    llm: 要检查的语言模型。

返回：
    如果语言模型是BaseLLM模型，则返回True，否则返回False。
"""
    return isinstance(llm, BaseLLM)


def is_chat_model(llm: BaseLanguageModel) -> bool:
    """检查语言模型是否为聊天模型。

参数：
    llm: 需要检查的语言模型。

返回：
    如果语言模型是BaseChatModel模型，则返回True，否则返回False。
"""
    return isinstance(llm, BaseChatModel)