别再硬写提示词了！LangChain ChatPromptTemplate核心实战

在使用LangChain与AI交互时想要让对话更有条理、适配多角色、多轮次的沟通场景ChatPromptTemplate这个工具绝对少不了。它本质上就是一个用来构建聊天消息列表的提示模板能帮我们规范AI的交互逻辑让每一次对话都更贴合预期。如果你喜欢看视频学习就看《15. LangChain ChatPromptTemplate核心实战》。prompt_template ChatPromptTemplate.from_messages([ SystemMessagePromptTemplate.from_template(你是AI开发助手{name}擅长编程开发。), HumanMessagePromptTemplate.from_template(你能帮我做什么), AIMessagePromptTemplate.from_template(我可以帮你写代码、改bug。), HumanMessagePromptTemplate.from_template({user_question}) ])使用这个模板时写法可以灵活调整。如果只是简单传递消息内容不需要额外附带参数用字符串别名的写法会特别简洁省去不少冗余操作。prompt_template ChatPromptTemplate.from_messages([ (system, 你是AI开发助手{name}擅长编程。), (user, 你能帮我做什么), (ai, 我可以帮你写代码、改bug。), (user, {user_question}) ])但如果追求更高的清晰性和可扩展性想兼容一些高级功能那字典写法就比元组简写更合适后续维护和修改也会更方便。prompt_template ChatPromptTemplate.from_messages([ {role: system, content: 你是AI开发助手{name}擅长编程。}, {role: user, content: 你能帮我做什么}, {role: ai, content: 我可以帮你写代码、改bug。}, {role: user, content: {user_question}} ])这里要重点说一下不同字符串别名的用法它们对应着不同的消息类各有明确的用途和使用规则记清楚这些能避免很多操作失误。字符串别名对应消息类用途使用规则systemSystemMessage给AI设定人设、规则和上下文必在开头只能有1个user/humanHumanMessage代表用户的输入与“ai”交替不能连续出现2个ai/assistantAIMessage表示AI的输出约束跟在“user”后不能连续出现2个了解完这些基础规则就到了实战环节其实操作步骤很简单一步步来就能上手。首先要做的就是导入ChatPromptTemplate类这是所有后续操作的基础。接着用from_messages方法创建这个类的实例这个方法需要接收一个消息列表作为参数列表里的每条消息都是包含role和content字段的字典其中content里用大括号包裹的部分就是我们后续要填充的变量占位符。通过system、user、ai这三种角色的搭配我们就能轻松定义出完整的对话上下文甚至可以加入回答范例让AI更清楚该如何响应。创建好实例后调用invoke方法传入一个包含具体填充值的字典它就会自动替换掉所有的占位符生成一个完整的PromptValue提示词对象。最后把这个PromptValue对象传入已经初始化好的大语言模型的invoke方法就能完成一次规范的AI交互了。from langchain_core.prompts import ChatPromptTemplate prompt_template ChatPromptTemplate.from_messages([ {role: system, content: 你是AI开发助手{name}擅长编程开发和技术问题解答。}, {role: user, content: 你能帮我做什么}, {role: ai,content: 我可以帮你写代码、改bug、设计技术方案。}, {role: user, content: {user_question}} ]) prompt_value prompt_template.invoke( { name: 神算子, user_question: 用Python写一个简单的计算器程序 } ) res llm.invoke(prompt_value, configconfig) print(res.content)除此之外还有一个实用小技巧可以记一下。如果我们需要预先定义部分变量不用每次都完整传入所有参数借助partial方法就能轻松指定后续使用时只需要补充剩余变量即可。from langchain_core.prompts import ChatPromptTemplate prompt_template ChatPromptTemplate.from_messages([ {role: system, content: 你是AI开发助手{name}擅长编程开发和技术问题解答。}, {role: user, content: 你能帮我做什么}, {role: ai, content: 我可以帮你写代码、改bug、设计技术方案。}, {role: user, content: {user_question}} ]) partial_prompt prompt_template.partial(name神算子) prompt_value partial_prompt.invoke( { user_question: 用Python写一个简单的计算器程序 } ) res llm.invoke(prompt_value, configconfig) print(res.content)要是想在模板中嵌入消息列表比如多轮对话的历史消息就可以使用MessagesPlaceholder它的字符串别名是placeholder用起来特别便捷能很好地适配多轮交互场景。from langchain_core.prompts import ChatPromptTemplate prompt_template ChatPromptTemplate.from_messages([ {role: system, content: 你是AI开发助手{name}擅长编程开发和技术问题解答。}, {role: placeholder, content: {chat_history}}, {role: user, content: 你能帮我做什么}, {role: ai, content: 我可以帮你写代码、改bug、设计技术方案。}, {role: user, content: {user_question}} ]) partial_prompt prompt_template.partial(name神算子) prompt_value partial_prompt.invoke( { user_question: 用Python写一个简单的计算器程序, history: [ {role: user, content: 我想做个编程工具}, {role: ai, content: 我来帮你实现} ] } ) res llm.invoke(prompt_value, configconfig) print(res.content)