2.4 Prompt Template
2.4.1 提示词模板介绍
在应用开发中，固定的提示词限制了模型的灵活性和适用范围。所以，Prompt Template 是一个模板化的字符串，我们可以将变量插入到模板中，从而创建出不同的提示。Prompt Template 接收用户输入，返回一个传递给 LLM 的信息（即提示词 prompt）。 提示模板以字典作为输入，其中每个键代表要填充的提示模板中的变量。并输出一个 PromptValue。这个 PromptValue 可以传递给聊天模型，也可以转换为字符串或消息列表。 PromptValue 存在的目的是为了方便在字符串和消息之间切换。 有多种类型的提示模板，常用的有 PromptTemplate（字符串提示模板）和 ChatPromptTemplate（聊天提示模板）。
2.4.2 复习：str.format()
Python的str.format()方法是一种字符串格式化的手段，允许在字符串中插入变量。使用这种方法，可以创建包含占位符的字符串模板，占位符由花括号{}标识。 调用format()方法时，可以传入一个或多个参数，这些参数将被顺序替换进占位符中。 str.format()提供了灵活的方式来构造字符串，支持多种格式化选项。 在LangChain的默认设置下，PromptTemplate使用Python的str.format()方法进行模板化。这样在模型接收输入前，可以根据需要对数据进行预处理和结构化。
基本用法
# 简单示例，直接替换
greeting = "Hello, {}!".format("Alice")
print(greeting)
# 输出: Hello, Alice!
带有位置参数的用法
# 简单示例，直接替换
greeting = "Hello, {}!".format("Alice")
print(greeting)
# 输出: Hello, Alice!
输出:Name:Jerry，Age:25
带有关键字参数的用法
info = "Name: {0}, Age: {1}".format("Jerry", 25)
print(info)
# 输出:Name: Jerry, Age: 25
使用字典解包的方式
使用字典解包
person = {"name": "David", "age": 40}
info = "Name: {name}, Age: {age}" .format(**person)
print(info)
#输出：Name: David, Age: 40
2.4.3 PromptTemplate
PromptTemplate 用于快速构建包含变量的提示词模板，并通过传入不同的参数值生成自定义的提示词。
| 参数 | |
|---|---|
| template | 提示模板，包括变量占位符 |
| input_variables | 需要将其值作为提示输入的变量名称列表 |
| partial_variables | 提示模板携带的部分变量的字典。使用部分变量预先填充模板，无需后续在每次调用时再传递这些变量 |
| 方法 | |
| format() | 使用输入格式化提示 |
2.4.3.1 实例化
方式1：使用构造方法实例化提示词模板
from langchain_core.prompts import PromptTemplate
# 使用构造方法实例化提示词模板
template = PromptTemplate(
template="请评价{product}的优缺点，包括{aspect1}和{aspect2}。",
input_variables=["product", "aspect1", "aspect2"],
)
# 使用模板生成提示词
prompt_1=template.format(product="智能手机",
aspect1="电池续航",
aspect2="拍照质量"
prompt_2 = template.format(product=("笔记本电脑", aspect1="处理速度", aspect2="便携性")
print(prompt_1) # 请评价智能手机的优缺点，包括电池续航和拍照质量。
print(prompt_2) # 请评价笔记本电脑的优缺点，包括处理速度和便携性。
方式2：使用from_template方法实例化提示词模板
from langchain_core.prompts import PromptTemplate
# 使用 from_template 方法实例化提示词模板
template = PromptTemplate.from_template("请给我一个关于{topic}的 {type}解释。")
使用模板生成提示
prompt = template.format(type="详细", topic="量子力学")
print(prompt) # 请给我一个关于量子力学的详细解释。
2.4.3.2 部分提示模版
在生成提示之前可以赋予部分变量默认值。
方式1：实例化过程中指定partial_variables参数
from langchain_core.prompts import PromptTemplate
template = PromptTemplate( template \coloneqq {"foo} {bar}", input_variables \coloneqq ["foo", "bar"], partial_variables \coloneqq {"foo": "hello"}, #预先定义部分变量
prompt = template.format(bar="world")
print(prompt) # hello world
方式2：使用partial方法指定默认值
from langchain_core.prompts import PromptTemplate
template = PromptTemplate.from_template({foo} {bar})
partial_template = template.full(foo="hello") #预先定义部分变量
prompt = partial_template.format(bar="world")
print(prompt) # hello world
2.4.3.3 调用方式
除了format方法，也可以使用invoke方法调用。
invoke 方法返回 PromptValue 对象，可以使用 to_string 方法将其转换为字符串。
举例：invoke 方法调用
from langchain_core.prompts import PromptTemplate
template = PromptTemplate.from_template("{foo} {bar}")
prompt = template.invoke({"foo": "hello", "bar": "world"})
print(prompt, type(prompt))
# text='hello world' <class 'langchain_core.prompt_values.StringPromptValue'>
prompt_str = prompt.to_string()
print(prompt_str, type(prompt_str))
# hello world <class 'str'>
2.4.4 ChatPromptTemplate
ChatPromptTemplate 是创建聊天消息列表的提示模板。相较于普通 PromptTemplate 更适合处理多角色、多轮次的对话场景。支持 System/Human.AI 等不同角色的消息模板。
2.4.4.1 实例化
ChatPromptTemplate 可以通过构造方法或 frommessages 方法来实例化提示词模板。
实例化时需要传入 messages 参数，messages 参数支持如下格式：
tuple构成的列表，格式为[(role, content)]
dict构成的列表，格式为[{"role":..., "content":...}]
Message 类构成的列表
举例：
from langchain_core.prompts import ChatPromptTemplate
template = ChatPromptTemplate(
[
("system", "你是一个AI开发工程师，你的名字是{name}。"),
("human", "你能帮我做什么?"),
("ai", "我能开发很多{thing}。"),
("human", "{user_input}"),
]
)
prompt = template.format_messages(name="AI", thing="AI", user_input="行")
print(prompt)
# [
# SystemMessage(content="你是一个AI开发工程师，你的名字是AI。",...),
# HumanMessage(content="你能帮我做什么?", ...),
# AIMessage(content="我能开发很多AI。", ...),
# HumanMessage(content="行", ...),
2.4.4.2 调用方式
推荐使用 from_messages 方法或 invoke 方法调用。
举例：invoke 方法调用
from langchain_core.prompts import ChatPromptTemplate
template = ChatPromptTemplate(
[
("system", "你是一个AI开发工程师，你的名字是{name}。"),
("human", "你能帮我做什么?"),
("ai", "我能开发很多{thing}。"),
("human", "{user_input}"),
]
)
prompt = template.invoke({"name": "AI", "thing": "AI", "user_input": "行"})
print(prompt)
# messages=[
# SystemMessage(content="你是一个AI开发工程师，你的名字是AI。",...),
# HumanMessage(content="你能帮我做什么?", ...),
# AIMessage(content="我能开发很多AI。", ...),
# HumanMessage(content="行", ...),
# ]
2.4.4.3 消息占位符
当希望在格式化过程中插入消息列表时，比如 Agent 暂存中间步骤，需要使用 MessagesPLACEHolder，负责在特定位置添加消息列表。
举例：
from langchain_core.prompts import ChatPromptTemplate
template = ChatPromptTemplate.from_messages(
[
("system", "你是一个助手。"),
("placeholder", "{conversation}"),
# 等同于 MessagesPlaceholder(variable_name="conversation", optional=True)
]
)
prompt = template.format_messages(
conversation=[
("human", "你好！"),
("ai", "想让我帮你做些什么？"),
("human", "能帮我做一个冰淇凌吗？"),
("ai", "不能"),
]
)
print(prompt)
# [
# SystemMessage(content="你是一个助手。", ...),
# HumanMessage(content="你好！", ...),
# AIMessage(content="想让我帮你做些什么？", ...),
# HumanMessage(content="能帮我做一个冰淇凌吗？", ...),
# AIMessage(content="不能", ...),
# ]
2.4.4.4 多模态提示词
可以使用提示模板来格式化多模态输入，比如将图片链接作为输入。
举例：
import os
from langchain.chat_models import init_chat_model
from langchain_core.prompts import ChatPromptTemplate
llm = init_chat_model(
model="google/gemini-2.0-flash-exp:free",
model_provider="openai",
base_url="https://openrouter.ai/api/v1",
api_key=os.getenv("OPENROUTER_API_KEY"),
)
template = ChatPromptTemplate(
[
{"role": "system", "content": "用中文简短描述图片内容"},
{"role": "user", "content": [{"image_url": "{image_url}"}]},
]
)
prompt = template.format_messages( image_url="https://img2.baidu.com/it/u=2976763563,2523722948&fm=253&app=138&f=JPEG?w=800&h=1200"
)
resp = llm.invoke(prompt)
print(resp.content) # 图片中是...
2.4.5 外部加载 Prompt
可以将 prompt 保存为 JSON 或者 YAML 等格式的文件，通过读取指定路径的格式化文件，获取相应的 prompt。这样方便对 prompt 进行管理和维护。
2.4.5.1 json格式提示词
prompts 目录下创建 json 文件：prompt.json
{
"_type": "prompt",
"input_variables": ["name", "what"]
,
"template": "请{name}讲一个{what}的故事"
}
from langchain_core.prompts import load_prompt
template=load_prompt("prompts/prompt.json", encoding="utf-8") print/template.format(name = "张三"，what="搞笑的"))
请张三讲一个搞笑的故事
2.4.5.2 yaml 格式提示词
prompts目录下创建yaml文件：prompt.yaml
_type:"prompt" input_variables: ["name", "what"] template:"请{name}讲一个{what}的故事"
代码：
from langchain_core.prompts import load_prompt
template = load_prompt("prompts/prompt.yaml", encoding="utf-8")
print template.format(name="年轻人", what="滑稽"))
# 请年轻人讲一个滑稽的故事
