提示词

在 Blades 框架中，Prompt 是与大型语言模型（LLM）交互的核心组件。它表示用户与助手之间交换的消息序列，支持多种类型的消息（系统消息、用户消息、助手消息）以及模板化功能，使开发者能够构建动态和上下文感知的 AI 应用程序。

Message

Blades 支持多种消息类型，每种都有特定的角色：

• RoleUser: 表示最终用户的输入
• RoleSystem: 提供系统级别的指令和上下文
• RoleAssistant: 表示模型的输出
• RoleTool: 表示由工具生成的消息

// Message represents a single message in a conversation.
type Message struct {
    ID           string         `json:"id"`
    Role         Role           `json:"role"`
    Parts        []Part         `json:"parts"`
    Author       string         `json:"author"`
    InvocationID string         `json:"invocationId,omitempty"`
    Status       Status         `json:"status"`
    FinishReason string         `json:"finishReason,omitempty"`
    TokenUsage   TokenUsage     `json:"tokenUsage,omitempty"`
    Metadata     map[string]any `json:"metadata,omitempty"`
}
// TextPart is plain text content.
type TextPart struct {
    Text string `json:"text"`
}

用户提示词

最基本的 Prompt 创建方式是直接指定消息内容：

input := blades.UserMessage("What is the capital of France?")

系统指令提示词

可以通过 Agent 进行定义系统指令信息：

model := openai.NewModel("gpt-5", openai.Config{
    APIKey: os.Getenv("OPENAI_API_KEY"),
})
agent, err := blades.NewAgent(
    "Basic Agent",
    blades.WithModel(model),
    blades.WithInstruction("You are a helpful assistant that provides detailed and accurate information."),
)

带有 Session 上下文的模板

model := openai.NewModel("gpt-5", openai.Config{
    APIKey: os.Getenv("OPENAI_API_KEY"),
})
agent, err := blades.NewAgent(
    "Instructions Agent",
    blades.WithModel(model),
    blades.WithInstruction("Respond as a {{.style}}."),
)
if err != nil {
    log.Fatal(err)
}
// Create a new session with state variables
session := blades.NewSession(map[string]any{
    "style": "robot",
})
input := blades.UserMessage("Tell me a joke.")
runner := blades.NewRunner(agent, blades.WithSession(session))
message, err := runner.Run(context.Background(), input)
if err != nil {
    panic(err)
}
log.Println(session.State())
log.Println(message.Text())

最佳实践

• 明确系统指令: 在系统消息中提供清晰、具体的指令，有助于模型更好地理解任务要求。
• 合理使用模板: 利用模板功能可以提高代码复用性和可维护性，特别是在需要动态生成 Prompt 的场景中。
• 管理上下文长度: 注意控制 Prompt 的长度，避免超出模型的最大上下文限制。
• 错误处理: 始终检查模板渲染和 Prompt 构建过程中的错误，确保应用程序的健壮性。