02 - Prompt Templates: 提示词模板

学习目标

通过本模块，你将学习：

为什么需要提示词模板
- 字符串拼接的问题
- 模板的优势
PromptTemplate
- 基本用法
- 变量替换
- 格式化方法
ChatPromptTemplate
- 聊天消息模板
- 多角色支持
- 对话历史管理
高级特性
- 部分变量
- 模板组合
- 可复用模板库
LCEL 链式调用
- 模板与模型的组合
- 管道运算符

核心概念详解

1. 为什么需要提示词模板？

🔴 问题：字符串拼接的缺点

# ❌ 不推荐的做法
user_name = "张三"
topic = "Python"

prompt = f"你好 {user_name}，我来帮你学习 {topic}"

问题：

❌ 难以维护和修改
❌ 容易出现格式错误
❌ 不能复用
❌ 难以测试
❌ 混合了逻辑和数据

✅ 解决方案：使用模板

# ✅ 推荐的做法
from langchain_core.prompts import PromptTemplate

template = PromptTemplate.from_template(
    "你好 {user_name}，我来帮你学习 {topic}"
)

prompt = template.format(user_name="张三", topic="Python")

优势：

✅ 可复用 - 一个模板，多次使用
✅ 可维护 - 模板和数据分离
✅ 类型安全 - 自动验证变量
✅ 可测试 - 更容易编写测试
✅ 可组合 - 可以组合多个模板

2. PromptTemplate - 简单文本模板

PromptTemplate 用于创建简单的文本提示词，适合单一提示的场景。

基本语法

from langchain_core.prompts import PromptTemplate

# 方法 1：from_template（最简单，推荐）
template = PromptTemplate.from_template("你的模板文本 {变量名}")

# 方法 2：完整定义
template = PromptTemplate(
    input_variables=["变量1", "变量2"],
    template="你的模板文本 {变量1} 和 {变量2}"
)

创建模板的三种方法

方法 1：from_template（推荐）

template = PromptTemplate.from_template(
    "将以下文本翻译成{language}：\n{text}"
)

# 自动识别变量
print(template.input_variables)  # ['language', 'text']

方法 2：显式指定变量

template = PromptTemplate(
    input_variables=["product", "feature"],
    template="为{product}写一句广告语，重点突出{feature}特点。"
)

方法 3：部分变量预填充

template = PromptTemplate.from_template(
    "你是一个{role}，请{task}"
)

# 预填充 role
partial_template = template.partial(role="Python 导师")

# 现在只需要提供 task
prompt = partial_template.format(task="解释装饰器")

使用模板

方式 1：format() - 返回字符串

template = PromptTemplate.from_template("你好 {name}")

# 返回格式化后的字符串
prompt_str = template.format(name="张三")
print(prompt_str)  # "你好 张三"

# 直接传递给模型
response = model.invoke(prompt_str)

方式 2：invoke() - 返回 PromptValue

template = PromptTemplate.from_template("你好 {name}")

# 返回 PromptValue 对象
prompt_value = template.invoke({"name": "张三"})

# 获取文本
print(prompt_value.text)  # "你好 张三"

实用示例

示例 1：翻译模板

translator = PromptTemplate.from_template(
    "将以下{source_lang}文本翻译成{target_lang}：\n{text}"
)

prompt = translator.format(
    source_lang="英语",
    target_lang="中文",
    text="Hello, how are you?"
)

示例 2：代码生成模板

code_generator = PromptTemplate.from_template(
    "用{language}编写一个{functionality}的函数。\n"
    "要求：\n"
    "1. {requirement1}\n"
    "2. {requirement2}"
)

prompt = code_generator.format(
    language="Python",
    functionality="计算斐波那契数列",
    requirement1="使用递归实现",
    requirement2="添加类型注解"
)

3. ChatPromptTemplate - 聊天消息模板

ChatPromptTemplate 用于创建聊天格式的消息，支持多种角色（system、user、assistant）。

为什么需要 ChatPromptTemplate？

PromptTemplate vs ChatPromptTemplate：

特性	PromptTemplate	ChatPromptTemplate
输出格式	纯文本字符串	消息列表
角色支持	❌ 无	✅ system/user/assistant
对话历史	❌ 不支持	✅ 支持
适用场景	简单提示	聊天、对话、多轮交互

基本语法

from langchain_core.prompts import ChatPromptTemplate

# 使用元组格式（推荐）
template = ChatPromptTemplate.from_messages([
    ("system", "系统提示"),
    ("user", "用户消息 {variable}"),
    ("assistant", "AI 回复"),
    ("user", "下一个用户消息")
])

消息类型

角色字符串	含义	用途
`"system"`	系统消息	设定 AI 的行为、角色、规则
`"user"` / `"human"`	用户消息	用户的输入/问题
`"assistant"` / `"ai"`	AI 消息	AI 的回复（用于对话历史）

创建方法

方法 1：元组格式（最简单，推荐）

template = ChatPromptTemplate.from_messages([
    ("system", "你是一个{role}"),
    ("user", "{question}")
])

messages = template.format_messages(
    role="Python 导师",
    question="什么是装饰器？"
)

方法 2：字符串简写

# 单独的字符串会被解释为 user 消息
template = ChatPromptTemplate.from_messages([
    ("system", "你是助手"),
    "{user_input}"  # 相当于 ("user", "{user_input}")
])

方法 3：使用 MessagePromptTemplate（高级）

from langchain_core.prompts import (
    SystemMessagePromptTemplate,
    HumanMessagePromptTemplate
)

system_template = SystemMessagePromptTemplate.from_template(
    "你是一个{role}"
)
human_template = HumanMessagePromptTemplate.from_template(
    "{question}"
)

template = ChatPromptTemplate.from_messages([
    system_template,
    human_template
])

使用模板

方式 1：format_messages() - 返回消息列表

template = ChatPromptTemplate.from_messages([
    ("system", "你是{role}"),
    ("user", "{input}")
])

# 返回消息列表
messages = template.format_messages(
    role="助手",
    input="你好"
)

# 直接传递给模型
response = model.invoke(messages)

方式 2：invoke() - 返回 ChatPromptValue

# 返回 ChatPromptValue 对象
prompt_value = template.invoke({
    "role": "助手",
    "input": "你好"
})

# 获取消息列表
messages = prompt_value.to_messages()

实用示例

示例 1：简单聊天

chat_template = ChatPromptTemplate.from_messages([
    ("system", "你是一个友好的{role}，擅长{skill}"),
    ("user", "{question}")
])

messages = chat_template.format_messages(
    role="编程导师",
    skill="用简单语言解释复杂概念",
    question="什么是递归？"
)

response = model.invoke(messages)

示例 2：多轮对话

conversation_template = ChatPromptTemplate.from_messages([
    ("system", "你是一个{role}"),
    ("user", "{question1}"),
    ("assistant", "{answer1}"),
    ("user", "{question2}")
])

messages = conversation_template.format_messages(
    role="Python 专家",
    question1="什么是列表？",
    answer1="列表是 Python 的有序可变集合。",
    question2="它和元组有什么区别？"  # 基于上下文
)

示例 3：结构化指令

structured_template = ChatPromptTemplate.from_messages([
    ("system",
     "你是一个{domain}专家。\n"
     "回答风格：{style}\n"
     "回答长度：{length}字以内"),
    ("user", "{question}")
])

messages = structured_template.format_messages(
    domain="机器学习",
    style="技术性强、简洁",
    length="100",
    question="什么是梯度下降？"
)

4. 高级特性

4.1 部分变量（Partial Variables）

预填充某些固定不变的变量，创建模板的变体。

使用场景：

某些变量在所有调用中都相同
需要为不同用户/场景创建定制模板

语法：

# 原始模板
template = ChatPromptTemplate.from_messages([
    ("system", "你是{role}，目标用户是{audience}"),
    ("user", "{task}")
])

# 部分填充
customer_support_template = template.partial(
    role="客服专员",
    audience="普通用户"
)

# 现在只需要提供 task
messages = customer_support_template.format_messages(
    task="解释退款政策"
)

实用示例：

# 基础翻译模板
translator = ChatPromptTemplate.from_messages([
    ("system", "你是专业翻译，精通{source}和{target}"),
    ("user", "翻译：{text}")
])

# 创建英译中的专用模板
en_to_zh = translator.partial(source="英语", target="中文")

# 创建中译英的专用模板
zh_to_en = translator.partial(source="中文", target="英语")

# 使用
messages1 = en_to_zh.format_messages(text="Hello")
messages2 = zh_to_en.format_messages(text="你好")

4.2 模板组合

将多个模板片段组合成复杂的提示词。

方法 1：字符串组合

# 定义可复用的部分
role_part = "你是一个{domain}专家。"
style_part = "回答风格：{style}。"
constraint_part = "限制：{constraint}。"

# 组合
full_system = role_part + style_part + constraint_part

template = ChatPromptTemplate.from_messages([
    ("system", full_system),
    ("user", "{question}")
])

方法 2：使用 + 运算符

template1 = ChatPromptTemplate.from_messages([
    ("system", "你是助手")
])

template2 = ChatPromptTemplate.from_messages([
    ("user", "{input}")
])

# 组合（LangChain 1.0 支持）
combined = template1 + template2

4.3 可复用模板库

在实际项目中，建议创建模板库。

示例：模板库

# templates.py
from langchain_core.prompts import ChatPromptTemplate

class PromptLibrary:
    """可复用的提示词模板库"""

    TRANSLATOR = ChatPromptTemplate.from_messages([
        ("system", "你是专业翻译，精通{source_lang}和{target_lang}"),
        ("user", "翻译以下文本：\n{text}")
    ])

    CODE_REVIEWER = ChatPromptTemplate.from_messages([
        ("system", "你是{language}代码审查专家，重点关注{focus}"),
        ("user", "审查代码：\n```{language}\n{code}\n```")
    ])

    SUMMARIZER = ChatPromptTemplate.from_messages([
        ("system", "你是内容摘要专家"),
        ("user", "将以下内容总结为{num}个要点：\n{content}")
    ])

    TUTOR = ChatPromptTemplate.from_messages([
        ("system", "你是{subject}导师，学生水平：{level}"),
        ("user", "{question}")
    ])

# 使用
from templates import PromptLibrary

messages = PromptLibrary.TRANSLATOR.format_messages(
    source_lang="英语",
    target_lang="中文",
    text="Hello World"
)

5. LCEL 链式调用（预览）

LCEL = LangChain Expression Language，LangChain 的表达式语言。

什么是链（Chain）？

链是将多个组件连接在一起的方式，形成处理流程。

输入 → 模板 → 模型 → 输出

使用管道运算符 `|`

from langchain_core.prompts import ChatPromptTemplate
from langchain.chat_models import init_chat_model

# 创建组件
template = ChatPromptTemplate.from_messages([
    ("system", "你是{role}"),
    ("user", "{input}")
])

model = init_chat_model("groq:llama-3.3-70b-versatile")

# 使用 | 创建链
chain = template | model

# 直接调用链
response = chain.invoke({
    "role": "Python 导师",
    "input": "什么是装饰器？"
})

print(response.content)

链的优势

优势	说明
简洁	一行代码完成多步操作
可读	清晰展示数据流向
可组合	可以轻松添加/删除组件
可复用	链本身可以作为组件

详细内容将在后续模块学习。

完整示例代码说明

main.py 包含 9 个渐进式示例：

示例 1 - 为什么需要模板？对比字符串拼接
示例 2 - PromptTemplate 基础（3种创建方法）
示例 3 - ChatPromptTemplate 基础（3种创建方法）
示例 4 - 多轮对话模板
示例 5 - MessagePromptTemplate 类（高级）
示例 6 - 部分变量预填充
示例 7 - 模板组合
示例 8 - 可复用模板库
示例 9 - LCEL 链式调用

运行示例

cd phase1_fundamentals/02_prompt_templates
python main.py

常见问题 (FAQ)

Q1: PromptTemplate 和 ChatPromptTemplate 有什么区别?

特性	PromptTemplate	ChatPromptTemplate
输出	字符串	消息列表
角色	无	system/user/assistant
适用场景	简单提示	聊天、对话

建议：

简单场景 → PromptTemplate
聊天场景 → ChatPromptTemplate（推荐）

Q2: 什么时候使用部分变量？

A: 当某些变量在多次调用中保持不变时：

# 场景：为不同部门创建专用模板
base_template = ChatPromptTemplate.from_messages([
    ("system", "你是{department}的{role}"),
    ("user", "{task}")
])

# IT 部门
it_template = base_template.partial(
    department="IT 部门",
    role="技术支持"
)

# 销售部门
sales_template = base_template.partial(
    department="销售部门",
    role="销售顾问"
)

Q3: 如何在模板中使用换行和特殊字符？

A: 使用三引号字符串：

template = PromptTemplate.from_template("""
你是一个{role}。

请完成以下任务：
1. {task1}
2. {task2}

注意事项：
- {note1}
- {note2}
""")

Q4: 模板变量可以是什么类型？

A: 通常是字符串，但也可以是其他可转换为字符串的类型：

template = PromptTemplate.from_template(
    "生成{count}个关于{topic}的想法"
)

# count 是整数
prompt = template.format(count=5, topic="创新")

Q5: 如何处理可选变量？

A: 使用部分变量或默认值：

# 方法 1：部分变量
template = PromptTemplate.from_template(
    "{greeting} {name}，{message}"
)
template_with_default = template.partial(greeting="你好")

# 方法 2：在应用层处理
def create_prompt(name, message, greeting="你好"):
    return template.format(
        greeting=greeting,
        name=name,
        message=message
    )

最佳实践

1. 模板命名规范

# ✅ 好的命名
translator_template = ...
code_review_template = ...
customer_support_template = ...

# ❌ 不好的命名
template1 = ...
t = ...
my_template = ...

2. 组织模板

# templates/
# ├── __init__.py
# ├── common.py        # 通用模板
# ├── translation.py   # 翻译相关
# └── coding.py        # 编程相关

# common.py
from langchain_core.prompts import ChatPromptTemplate

FRIENDLY_ASSISTANT = ChatPromptTemplate.from_messages([
    ("system", "你是一个友好的助手"),
    ("user", "{input}")
])

3. 文档化模板

class Templates:
    """项目模板库"""

    TRANSLATOR = ChatPromptTemplate.from_messages([
        ("system", "你是专业翻译"),
        ("user", "翻译：{text}")
    ])
    """
    翻译模板

    变量:
        - text: 要翻译的文本

    示例:
        messages = TRANSLATOR.format_messages(text="Hello")
    """

4. 测试模板

def test_translator_template():
    """测试翻译模板"""
    template = PromptLibrary.TRANSLATOR

    # 测试变量识别
    assert "text" in template.input_variables

    # 测试格式化
    messages = template.format_messages(text="Hello")
    assert len(messages) == 2
    assert messages[0].type == "system"
    assert messages[1].type == "user"

下一步学习

完成本模块后，继续学习：

03_messages - 深入理解消息类型和对话管理
04_custom_tools - 创建自定义工具
05_simple_agent - 使用 create_agent 构建第一个 Agent

参考资源

小结

通过本模块，你已经学习了：

✅ 为什么需要提示词模板
✅ PromptTemplate 的基本用法
✅ ChatPromptTemplate 的强大功能
✅ 部分变量的应用
✅ 模板组合技巧
✅ 构建可复用模板库
✅ LCEL 链式调用预览

恭喜！你已经掌握了 LangChain 提示词模板的核心知识！ 🎉

02 - Prompt Templates: 提示词模板

学习目标

核心概念详解

1. 为什么需要提示词模板？

🔴 问题：字符串拼接的缺点

✅ 解决方案：使用模板

2. PromptTemplate - 简单文本模板

基本语法

创建模板的三种方法

使用模板

实用示例

3. ChatPromptTemplate - 聊天消息模板

为什么需要 ChatPromptTemplate？

基本语法

消息类型

创建方法

使用模板

实用示例

4. 高级特性

4.1 部分变量（Partial Variables）

4.2 模板组合

4.3 可复用模板库

5. LCEL 链式调用（预览）

什么是链（Chain）？

使用管道运算符 |

链的优势

完整示例代码说明

运行示例

常见问题 (FAQ)

Q1: PromptTemplate 和 ChatPromptTemplate 有什么区别?

Q2: 什么时候使用部分变量？

Q3: 如何在模板中使用换行和特殊字符？

Q4: 模板变量可以是什么类型？

Q5: 如何处理可选变量？

最佳实践

1. 模板命名规范

2. 组织模板

3. 文档化模板

4. 测试模板

下一步学习

参考资源

小结

使用管道运算符 `|`