LangChain 使用教程（简单入门）

原创

已于 2025-03-14 22:34:20 修改 · 1.4k 阅读

21 ·

CC 4.0 BY-SA版权

文章标签：

#langchain

于 2025-03-12 17:28:48 首次发布

提示模板

langchain hub prompt

可以从 langchain hub 拉去适合的模板来构成 prompt，例如 ReAct Agent，在下文中也提到了
Langchain hub 链接：https://blog.langchain.ac.cn/langchain-prompt-hub/，可以下载别人的 prompt，也可以管理自己的 prompt

from langchain import hub
prompt = hub.pull("hwchase17/react")

PromptTemplate

适用场景

普通文本提示：适用于非对话式模型（如文本生成模型）
单一文本输入：将用户输入和模板直接拼接为字符串
简单场景：不需要区分系统、用户、AI 消息角色的场景

特点

生成纯文本提示
通过 {} 定义变量插值
输出格式为字符串

from langchain_core.prompts import PromptTemplate

# 定义模板
template = """你是一个翻译助手，将中文翻译成英文。
输入内容：{text}
翻译结果："""

# 创建 prompt
prompt = PromptTemplate.from_template(template)

# 格式化输入
formatted_prompt = prompt_template.format(text="你好，世界！")

# 输出 formatted_prompt：
"""
你是一个翻译助手，将中文翻译成英文。
输入内容：你好，世界！
翻译结果：
"""

ChatPromptTemplate

适用场景

对话式模型：专为聊天模型（如 ChatGPT、Qwen 等）设计
多角色消息：需要区分系统指令、用户输入、AI 回复的场景
复杂对话：需要动态插入对话历史的场景

特点

生成结构化消息列表
支持角色标签（system, human, ai）
输出格式为 ChatMessage 对象列表

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.messages import HumanMessage, SystemMessage

# 创建 prompt（包含系统指令和动态历史）
prompt = ChatPromptTemplate.from_messages([
    SystemMessage(content="你是一个专业翻译助手，当前时间：{time}"),
    MessagesPlaceholder(variable_name="chat_history"),  # 动态注入历史
    HumanMessage(content="翻译这句话：{input}")
])

# 格式化输入（模拟对话历史）
formatted_messages = prompt.format_messages(
    time="2024-01-01 10:00",
    chat_history=[
        HumanMessage(content="你好！"),
        AIMessage(content="Hello!")
    ],
    input="今天天气很好"
)

# 输出 formatted_prompt：
"""
[
    SystemMessage(content='你是一个专业翻译助手，当前时间：2024-01-01 10:00'),
    HumanMessage(content='你好！'),
    AIMessage(content='Hello!'),
    HumanMessage(content='翻译这句话：今天天气很好')
]
"""

普通 Chain

LLMChain

# 注意：LangChainDeprecationWarning: The class `LLMChain` was deprecated in LangChain 0.1.17 and will be removed in 1.0. Use :meth:`~RunnableSequence, e.g., `prompt | llm`` instead.

from langchain.chains import LLMChain
# 支持的功能示例
chain = LLMChain(
    llm=llm,
    prompt=prompt,
    memory=memory,          # 内置记忆管理
    output_key="result",    # 自定义输出字段名
    verbose=True,           # 开启详细日志
    callbacks=[handler],     # 回调系统
    .....
)

一轮问答

prompt 构造：prompt & json output parser

from langchain.prompts import PromptTemplate
from langchain_core.output_parsers import JsonOutputParser

# 输出 json 格式（对应 partial_variables，如果不需要约束去掉就好了 ）
json_schema = {
   
   
    "type": "object",
    "properties": <