企业官网建设流程全解析

# 导入必要的模块 from langchain.prompts import PromptTemplate # 用于创建和管理提示模板 from langchain_openai import ChatOpenAI # 用于调用OpenAI兼容的聊天模型（如DeepSeek） from langchain.output_parsers.enum import EnumOutputParser # 用于将LLM输出解析为枚举类型 from enum import Enum # Python标准库，用于定义枚举类型 import os # 用于读取环境变量 # 定义颜色枚举类，限定LLM输出必须为以下五种颜色之一 class Colors(Enum): RED = "红色" BROWN = "棕色" BLACK = "黑色" WHITE = "白色" YELLOW = "黄色" # 创建枚举输出解析器，强制LLM输出必须匹配Colors枚举中的值 output_parser = EnumOutputParser(enum=Colors) # 获取格式化指令，告诉LLM如何正确格式化输出（例如："输出必须是：红色、棕色..."） format_instructions = output_parser.get_format_instructions() print(format_instructions) # 打印格式要求，用于调试或提示用户 print('###########') # 分隔线 # 创建提示模板：包含两个占位符 {person}（人物）和 {instructions}（输出格式要求） promptTemplate = PromptTemplate.from_template( """{person}的皮肤主要是什么颜色？ {instructions}""" ) # 固定instructions部分的内容，避免每次调用时重复传入 instructions = "响应的结果请选择以下选项之一：红色、棕色、黑色、白色、黄色。" prompt = promptTemplate.partial(instructions=instructions) # partial用于预填充模板中的部分变量 # 输出完整提示词示例（以"亚洲人"为例），用于调试查看实际发送给LLM的内容 print(prompt.invoke({"person": "亚洲人"}).text) print('--------------') # 初始化聊天模型（使用DeepSeek API） llm = ChatOpenAI( api_key=os.getenv("DEEPSEEK_API_KEY"), # 从环境变量读取API密钥 base_url=os.getenv("BASE_URL"), # 从环境变量读取API基础URL（如 https://api.deepseek.com） model="deepseek-v3:671b", # 指定使用的模型版本 temperature=0.7, # 生成随机性控制：0.7 适中创造性 max_tokens=1024 # 单次响应最大token数 ) # 构建处理链：提示模板 → 大语言模型 → 枚举解析器 # 实现端到端流程：生成提示 → 调用LLM → 强制输出为枚举类型 chain = prompt | llm | output_parser # 调用链，传入"亚洲人"作为输入 result = chain.invoke({"person": "亚洲人"}) # 输出解析后的结果（Enum类型） print(result) # 打印枚举对象（如：Colors.YELLOW） print(result.name) # 打印枚举成员名称（如："YELLOW"） print(result.value) # 打印枚举成员值（如："黄色"）

Select one of the following options: 红色, 棕色, 黑色, 白色, 黄色 ########### 亚洲人的皮肤主要是什么颜色？ 响应的结果请选择以下选项之一：红色、棕色、黑色、白色、黄色。 -------------- Colors.YELLOW YELLOW 黄色