LangChain提示词模板其一：PromptTemplate

原创于 2025-11-24 23:43:49 发布 · 394 阅读

13 ·

CC 4.0 BY-SA版权

文章标签：

#langchain #python #语言模型

ModelEngine·创作计划征文活动 10w+人浏览 1.4k人参与

示例：使用PromptTemplate给予大模型提示词

一点概念

提示词模板（PromptTemplate）：简单来说，就是给ai的提示词做一个模板，这个模板是有固定格式的，但是其中有一些变量可以自己设置。比如我做了一个比较模板：

"你喜欢A还是B？"

我们可以通过更改A和B，来让ai比较不同的东西，但是无论怎么改，不会脱离“比较”这一场景。我们这次比较的是两种水果，下次就可以用同一个模板来比较两款电脑，这样就可以实现模板的复用。在比较两者时，使用这一个模板即可，实现标准化和便利化。

LangChain的提示词模板有很多，他们由于构造函数不同、返回值类型等不同而存在差异，常见的提示词模板有PromptTemplate、ChatPromptTemplate、FewShotPromptTemplate等。本文介绍的是PromptTemplate。

建立PromptTemplate的方式

1.构造方法PromptTemplate( )

两个必需的参数：

（1）template：用字符串形式建立提示词模板，其中的变量用{}表示

（2）input_variables：用列表的形式声明模板中的变量

from langchain_core.prompts import PromptTemplate

#两个必须的参数：template input_variables
prompt_template = PromptTemplate(
    template="你是一个{name},你的工作是{work}",
    input_variables=["name", "work"],
)

prompt = prompt_template.format(name="GPT",work="回答问题")
print(prompt)

输出：

2.调用from_template( )函数

括号中直接填入模板和变量，无需声明template和input_variables两个参数

from langchain_core.prompts import PromptTemplate
#调用from_template函数
prompt_template = PromptTemplate.from_template("你是一个{name},你的工作是{work}")

prompt = prompt_template.format(name = "GPT", work = "回答各种问题")

print(prompt)

输出：

值得注意的一点是：模板中可以不含变量。例如：

from  langchain_core.prompts import PromptTemplate

text = "Can AI change the world?"
#调用from_template函数
prompt_template = PromptTemplate(template = text)

prompt = prompt_template.format()

print(prompt)

输出：

插入部分提示词的方式

插入部分提示词，顾名思义，就是不一次性补全提示词模板。例如，一个模板中有5个变量，我们现在能确定3个变量要填什么，但是剩下的2个变量还不能确定，要等待后续再填入。这里就是填入部分提示词。实现填入部分提示词的方法有二：

（1）在模板构造函数中使用partial_variables参数

from langchain_core.prompts import PromptTemplate

#调用from_template函数
prompt_template = PromptTemplate.from_template(
    template="请说明在{product}中,{aspect1}好还是{aspect2}好",
    partial_variables={"product":"phone_system"}#字典形式
)

prompt = prompt_template.format(aspect1 = "IOS",aspect2="Android")

print(prompt)

输出：

在这个例子中，我建立了一个模板，第一个变量可以确定是手机系统(phone_system),第二个和第三个变量不确定，这里就可以在构造函数中就使用partial_variables参数来提前声明第一个变量是什么，其他的两个变量可以在后续补充。

（2）partial( )函数可以在不改变原模板的情况下，插入部分提示词

from langchain_core.prompts import PromptTemplate

#调用from_template函数
prompt_template = PromptTemplate.from_template(
    template="请说明在{product}中,{aspect1}好还是{aspect2}好",
)
#partial()函数不会改变调用者的值，而是会返回一个新对象，所以要用一个新对象来接收它返回的值
#也就是说这里不能直接写成prompt_template.partial(aspect1="ios")
prompt_template = prompt_template.partial(product = "phone_system")

prompt = prompt_template.format(aspect1="IOS",aspect2="Android")

print(prompt)

输出：

可以看到，partial( )函数是在构造函数之外使用的，这样书写位置就更自由一些。

值得注意的是：partial()函数不会改变调用者的值，而是会返回一个新对象，所以要用一个新对象来接收它返回的值。

fromat()与invoke()的区别

先来看一个例子：

from langchain_core.prompts import PromptTemplate

#两个必须的参数：template input_variables
prompt_template = PromptTemplate(
    template="你是一个{name},你的工作是{work}",
    input_variables=["name", "work"],
)

prompt = prompt_template.format(name="GPT",work="回答问题")
print(prompt_template)
print(prompt)

输出：

可以看出，将提示词模板直接输出的话，输出的是提示词模板的各种属性，并不是一句完整的自然语言。提示词模板需要通过format( )或invoke( )函数来变为自然语言。

我们在format( )或invoke( )函数中还可以填充模板的变量，将提示词模板补充完整。

from langchain_core.prompts import PromptTemplate

prompt_template = PromptTemplate.from_template("你是一个{name},你的工作是{work}")

#使用format()：
prompt1 = prompt_template.format(name = "GPT", work = "回答各种问题")
print(prompt1)
print("format()返回类型:",type(prompt1))

#使用invoke()：
prompt2 = prompt_template.invoke(input={"name":"GPT","work":"回答各种问题"})
print(prompt2)
print("invoke()返回类型:",type(prompt2))

输出：

由此我们可以看出这两个函数的区别体现在参数和返回值类型上。

format( ) 参数：给模板中的变量赋值返回值类型：str
invoke( ) 参数：字典返回值类型：StringPromptValue

示例：使用PromptTemplate给予大模型提示词

以上内容介绍了提示词模板PromptTemplate的用法，接下来将给出一个例子来让大模型调用我们写的提示词模板，体会一下提示词模板的用法：

from langchain_openai import ChatOpenAI
import dotenv
import os
#加载配置文件
dotenv.load_dotenv()
#创建智能体
chat_model = ChatOpenAI(
    api_key=os.getenv("OPENAI_API_KEY"),
    base_url=os.getenv("OPENAI_BASE_URL"),
)
#创建模板
prompt_template = PromptTemplate.from_template("阐述{aspect1}、{aspect2}和{aspect3}的发展前景")
prompt = prompt_template.invoke(input={"aspect1":"ios","aspect2":"Android","aspect3":"Windows"})
#将模板输入给大模型并用response接收大模型的回复
response = chat_model.invoke(prompt)
#打印
print(response.content)

输出：

以下是对iOS、Android和Windows三大操作系统发展前景的简要阐述：

### iOS的发展前景
1. **生态系统优势明显**  
   iOS拥有苹果公司强大的生态体系，设备之间的无缝连接（如iPhone、iPad、Mac、Apple Watch等）提升了用户粘性。随着硬件性能提升和软件优化，体验持续改善。
   
2. **高端市场定位稳固**  
   iOS主要定位于高端智能手机市场。苹果注重隐私保护和安全性，满足了对个人数据安全要求较高的用户需求，有助于维持其用户基础。
   
3. **新技术的引领者**  
   苹果持续在AR（增强现实）、健康监测、无线通信（如5G、WiFi 6/6E）等领域投入，增强平台竞争力。未来苹果可能进一步推动XR（扩展现实）、可穿戴设备和智能家居的整合。
   
4. **面临挑战**  
   iOS相对封闭的系统架构在一定程度上限制了开发者创新空间，且高价策略限制了部分市场的用户规模扩展。

### Android的发展前景
1. **市场份额持续领先**  
   Android作为开源系统，支持多厂家设备，覆盖从低端到高端的全线市场，全球市场份额稳居第一。
   
2. **开放性带来创新动力**  
   开发者生态庞大，允许更多个性化和多样化的应用，支持多样的硬件创新（如折叠屏、不同传感器配置等）。
   
3. **谷歌生态与服务支持强化**  
   谷歌通过AI、云服务等技术提升Android智能化水平，同时在数字支付、安全、智能助手等方面不断丰富生态。
   
4. **碎片化问题需解决**  
   设备和系统版本多样带来的兼容性和安全保障问题依然存在，影响用户体验和应用表现，需要加强统一管理和更新机制。

### Windows的发展前景
1. **PC时代的主导地位逐步转型**  
   Windows依然是全球企业和个人计算的重要平台，但随着移动设备和云计算的发展，其市场重心正逐渐从传统PC向云和混合办公转型。
   
2. **云服务与混合办公的结合**  
   微软通过Windows系统与Azure云平台、Microsoft 365办公套件紧密结合，推动远程办公、协作和生产力提升。
   
3. **适应多设备、多场景**  
   Windows 11在界面和功能上努力适配触控、笔记本、平板和甚至折叠屏设备，体现对多样化硬件支持的增强。
   
4. **挑战与机遇**  
   移动端市场份额较小，面临来自iOS和Android的双重竞争。未来Windows可能更多聚焦于桌面及企业市场，同时加强与云计算和AI的融合，探索下一代计算体验。

---

### 总结
- **iOS**将继续巩固高端市场和生态体系，聚焦隐私、安全及新技术应用。  
- **Android**凭借开放性和广泛的硬件支持保持市场领先地位，需优化碎片化问题。  
- **Windows**则在传统PC基础上向云服务和混合办公转型，努力适应多样设备形态和新兴计算模式。

整体来看，三大操作系统各有侧重和发展路径，未来将在不同领域和生态中相互竞争与融合。

都看到这了，可以顺手点个赞吗~ （:D）