LangChain框架入门03：PromptTemplate 提示词模板

在上一期文章中，我们已经完成了 LangChain 的基本环境搭建并成功运行了一个基础示例程序。本篇将继续深入介绍LangChain 的核心模块之一 ：PromptTemplate（提示词模板）。

在与大语言模型交互时，通常不会直接将用户的原始输入直接传递给大模型，而是会先进行一系列包装、组织和格式化操作。这样做的目的是：更清晰地表达用户意图，更好地利用模型能力。

这套结构化的提示词构建方式，就是 LangChain 中的 提示词模板（PromptTemplate）。对于 LLM 应用来说，好的提示词就是成功的一半。本文将深入讲解提示词模板的使用方法与技巧。

一、提示词模板分类

LangChain 提供了多种不同的提示词模板，下面介绍几种常用的提示词模板：

PromptTemplate：文本生成模型提示词模板，用字符串拼接变量生成提示词

ChatPromptTemplate：聊天模型提示词模板，适用于如 gpt-3.5-turbo、gpt-4 等聊天模型

HumanMessagePromptTemplate：人类消息提示词模板

SystemMessagePromptTemplate：系统消息提示词模板

FewShotPromptTemplate：少量示例提示词模板，自动拼接多个示例到提示词中，例：1+1=2，2+2=4，让大模型去计算5+5等于多少。

二、提示词模板用法

2.1 PromptTemplate文本提示词模板

PromptTemplate 针对文本生成模型的提示词模板，也是LangChain提供的最基础的模板，通过格式化字符串生成提示词，在执行invoke时将变量格式化到提示词模板中，示例如下:

from langchain_core.prompts import PromptTemplate

prompt = PromptTemplate.from_template("你是一个专业的律师，请你回答我提出的法律问题，并给出法律条文依据，我的问题是：{question}")
prompt_value = prompt.invoke({
   
   "question": "婚姻法是在哪一年颁布的？"})
print(prompt_value)

执行结果：

text='你是一个专业的律师，请你回答我提出的法律问题，并给出法律条文依据，我的问题是：婚姻法是在哪一年颁布的？'

2.2 ChatPromptTemplate聊天消息提示词模板

ChatPromptTemplate 是专为聊天模型（如 gpt-3.5-turbo、gpt-4 等）设计的提示词模板，它支持构造多轮对话的消息结构，每条消息可指定角色（如系统、用户、AI）。

代码示例如下，提示词模板中包含两条消息，第一条是系统消息，无需做提示词渲染，第二条是人类消息，在执行invoke时，需要把变量question渲染进去。

from langchain_core.prompts import ChatPromptTemplate

chat_prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个资深的Python应用开发工程师，请认真回答我提出的Python相关的问题，并确保没有错误"),
    ("human", "请写一个Python程序，关于{question}")
])

print(chat_prompt.invoke({
   
   "question": "冒泡排序"}))

执行结果：

messages=[SystemMessage(content='你是一个资深的Python应用开发工程师，请认真回答我提出的Python相关的问题'), HumanMessage(content='请写一个Python程序，关于冒泡排序')]

2.3 Prompt三个常用方法区别

上述的代码示例中，我们使用了invoke方法，除了invoke方法能够格式化提示词模板，format()和partial()方法也可以做到，以下是它们的作用：

f