[智能体-171]：langchain提示词模板概述

一、核心概念提示词模板Prompt Template是 LangChain 用于动态生成结构化提示词的组件通过预定义模板 占位变量实现提示词复用、参数动态填充解决硬编码文本难维护、无法灵活传参的问题是串联大模型、业务逻辑、数据的基础。二、核心分类与适用场景1. 基础文本模板PromptTemplate定位最基础模板纯文本格式适配文本补全类模型。特点使用{变量名}定义占位符通过format()动态替换内容。适用翻译、摘要、单轮指令、传统补全模型调用。2. 对话模板ChatPromptTemplate定位面向对话式大模型主流模型首选区分角色系统、用户、AI。组成由系统消息、用户消息、AI 消息模板组合而成对应模型对话上下文结构。适用人机对话、多轮问答、智能助手、RAG 对话场景。3.少样本模板FewShotPromptTemplate定位内置示范样例Few-shot引导模型按指定规则、格式、风格输出。扩展搭配ExampleSelector可动态筛选样本避免提示词超长。适用文本分类、实体抽取、格式约束、规则化任务。4. 管道组合模板PipelinePromptTemplate定位模块化拼接多个子模板拆分复杂长提示词。特点分层组装、逻辑解耦便于分段管理和迭代。适用超长提示词、多段式指令、复杂业务流程提示。5. 细分角色消息模板包含SystemMessagePromptTemplate、HumanMessagePromptTemplate、AIMessagePromptTemplate是ChatPromptTemplate的底层单元单独用于精细化构建单条角色消息。三、核心通用特性变量机制统一使用{var}作为占位符input_variables声明模板所需变量变量名必须一一对应。渲染方式format()输出纯文本字符串format_messages()输出模型可识别的消息对象对话模板专用。复用性模板一次定义多处调用大幅减少重复代码。扩展性可结合记忆组件、检索器、工具链适配 RAG、Agent、链式调用等高级场景。四、选型速览模板类型主要用途模型适配PromptTemplate单轮文本指令文本补全模型ChatPromptTemplate多角色对话、上下文交互对话类大模型主流FewShotPromptTemplate样本示范、规则 / 格式约束全模型侧重标准化任务PipelinePromptTemplate复杂长提示词拆分所有场景侧重可维护性五、典型应用链路模板定义 → 变量传入渲染 → 生成标准提示词 / 消息列表 → 传入大模型执行任务是 LangChain 各类应用问答、RAG、Agent、数据处理的标准前置环节