基于LangChain的Prompt模板

AI_小站

墨衍会员 · AI 创作全网分发码龄3年

关注

原创最新推荐文章于 2026-03-25 00:49:11 发布 974 阅读 AI 写同款· GEO 优化 ›

LangChain的提示词仓库的使用入门 LangChain的提示词仓库的使用阅读详情

1. 简述LangChain

LangChain是一个开源库，它致力于让开发基于LLM的AI应用更简单，它是一个AI开发领域的万能适配器。

它抽象化了与大语言模型（如OpenAI模型、文心模型等等）交互的复杂性，以及集成了周边的各种工具生态，让开发者可以专注于实现AI应用的逻辑和功能。LangChain提供了一系列易于使用的工具和抽象，使得与大语言模型的交互变得尽可能的简单明了。

使用之前，先安装LangChain：

pip install langchain

2. LangChain使用OpenAI模型

LangChain与各种AI大模型都做了适配，下面以OpenAI的模型为例，可以简单地通过LangChain来调用它。当然国内使用原生的OpenAI会有些障碍，本文主要使用代理模式，比如https://api.aigc369.com/v1。

2.1、使用OpenAI的接口

在这里插入图片描述

2.2、使用LangChain的接口调用OpenAI的模型

在这里插入图片描述

3. 什么是提示词模板

在上一篇《Prompt提示词助力AI写作》里已经聊过Prompt提示词的概念，提示词的主要作用是为了更好的与AI对话，帮助引导AI产生更精确、更相关的文本。所以要尽可能的给AI讲清楚任务、背景、任务等核心要素。

那Prompt提示词模板是啥呢？Prompt提示词模板是在LangChain中使用，LangChain 中通过提示模板来构建最终的 Prompt。提示模板是 LangChain 的核心功能之一。

4. 怎么使用提示词模板

设想一下，如果你想让AI帮你把一段中文翻译成多种语言。那你可能要写多条类似的提示词，让AI一个个的去执行任务。或者你想让AI帮你批量的生成一些固定的邮件，只是中间的人名不同，你肯定也不想写多条类似的提示词。

此时使用提示词模板是最合适的。接下来举个例子，让AI将中文按照我们的要求翻译成多种语言：

from langchain_openai import ChatOpenAI
from langchain.prompts import (    
    SystemMessagePromptTemplate,    
    AIMessagePromptTemplate,    
    HumanMessagePromptTemplate,
)

system_template_text = "你是一位专业的翻译，能够将{input_language}翻译成{output_language}。请只输出翻译后的文本，不要有任何其它内容。"
system_prompt_template = SystemMessagePromptTemplate.from_template(system_template_text)

human_template_text = "文本：{text}"
human_prompt_template = HumanMessagePromptTemplate.from_template(human_template_text)

model = ChatOpenAI(model="gpt-3.5-turbo",                   
                   openai_api_key="sk-BuQK7SGbqCZP2i2z7fF267AeD0004eF095AbC78d2f79E019",                   
                   openai_api_base="https://api.aigc369.com/v1")

prompt_input_variables = [    
    {        
        "input_language": "中文",        
        "output_language": "英语",        
        "text": "我今天去超级买衣服",    
    },    
    {        
        "input_language": "中文",        
        "output_language": "法语",        
        "text": "我今天去超级买衣服",    
    },    
    {        
        "input_language": "中文",        
        "output_language": "俄语",        
        "text": "我今天去超级买衣服",    
    },    
    {        
        "input_language": "中文",        
        "output_language": "日语",        
        "text": "我今天去超级买衣服",    
    },    
    {        
        "input_language": "中文",        
        "output_language": "韩语",        
        "text": "我今天去超级买衣服",    
    },    
    {       
        "input_language": "中文",        
        "output_language": "意大利语",        
        "text": "我今天去超级买衣服",    
    }
]
for input in prompt_input_variables:    
   response = model.invoke([        system_prompt_template.format(input_language=input["input_language"], output_language=input["output_language"]),        human_prompt_template.format(text=input["text"])])    print(response.content)

SystemMessagePromptTemplate代码系统模板，HumanMessagePromptTemplate代表是用户消息模板。{input_language}、{output_language}、{text}是变量，最终通过format方法，替换成实际的值来生成最终的Prompt。最终使用LangChain的大模型类执行Prompt即可。

执行结果如下：

5. 什么是LangChainHub

如果碰到复杂场景，需要模型接入各种工具时，就要写复杂的提示词了，比如类似这样这个链接里的提示词模板。这么复杂的提示词写起来就有点尴尬了，幸好有LangChainHub。https://smith.langchain.com/hub/hwchase17/structured-chat-agent?organizationId=6e7cb68e-d5eb-56c1-8a8a-5a32467e2996。