在之前的文章里，我分享了一下在ACT开发中应该充分利用LLM的能力。那在这篇中，我就分享一下在实际开发过程中需要调用的方法。

主要方法就3个：

# LLM
k_semantic_chat # 大模型对话
# 提示词工程
k_prompt_with_json_format # 提示词添加 JSON 输出修饰
k_prompt_parse_json_output # 从对话输出中解析 JSON 对象

k_semantic_chat

k_semantic_chat就是没有修饰词的对话，就和平时使用的各种LLM APP一样，直接把提示词作为参数，他就会返回对话的结果。
它的签名中只有一个参数，返回字符串的对话结果：

def k_semantic_chat(prompt: str) -> str

而在ACT开发过程中，我觉得和两个提示词工程配合的情况更多一些。

k_prompt_with_json_format 和 k_prompt_parse_json_output

k_prompt_with_json_format

从ACT的debug信息中就能看出来k_prompt_with_json_format只是用我们提供的参数生成了一个自定义的prompt，它的签名是这样的：

def k_prompt_with_json_format(prompt: str, json_format: dict) -> str

第一个参数就是我们普通的提示词，第二个参数就是我们希望输出的JSON格式，它会将这些信息连接起来，生成一个prompt:

如果提供的是相对日期，例如，明天，后天，9天后，下个月，下下个月，则将它转换为数字相对值，并将类型设置为relative
如果提供的是绝对日期则提取出日期。先判断日期和时间是否满足这些要求，月份最大是12，日最大是31，小时最多是24，分钟最多60，秒最多60。
今年是2024年，是闰年，所以2月有29日。如果不正确则写明原因并标记结果为失败。正确则将类型设置为absolute
提取出时间和要安排的事情。
如果日期和时间都没有问题，则标记成功，否则标记失败。

务必输出JSON，格式如下：
```json
{"date_type": "relative", "day_offset": 0, "month_offset": 0, "date": "2024-12-23", "time": "15:23:00", "object": "年终会议", "result": true, "error_reason": "您提供的日期有误，月份最大是12月"}

上面空行下面就是它做的核心工作，添加了一句务必输出JSON，格式如下：然后将我们提供的dict转换成了JSON格式拼接了起来。

虽然我们自己也可以直接和用k_semantic_chat自己提供prompt完成这个需求，但官方可能认为这是一个比较通用的操作，所以做了封装。

需要特别注意的是，这个方法只输出提示词，并没有在内部调用LLM对话，所以需要将生成的提示词传给k_semantic_chat才能正确得到结果，我第一次使用这个方法时候就想当然地它会通过对话给我结果，还费了点时间调试。

k_prompt_parse_json_output

k_prompt_parse_json_output就很简单了，它是和k_prompt_with_json_format配对使用的方法，用于将对话结果中的JSON解析出来并转换成Python的dict以供后续直接在程序中使用。

因为chat对话结果是str类型的，这个方法免去了我们自己去解析了。

参考

官方文档