Langchain学习笔记(八)：Prompt工程与模板设计

注：本文是Langchain框架的学习笔记，内容可能有所疏漏，欢迎交流指正。后续将持续更新学习笔记，分享我的学习心得和实践经验。

引言

在大语言模型应用开发中，提示词(Prompt)的设计是决定应用成败的关键因素。一个精心设计的提示词能够：

• 提高输出质量：清晰的指令和上下文能让模型更准确地理解任务需求
• 确保输出一致性：标准化的模板能保证不同输入下输出格式的统一
• 降低开发成本：可复用的模板减少重复工作，提高开发效率
• 便于维护优化：集中管理的模板便于后续调优和版本控制

Langchain框架提供了完整的提示模板管理体系，从基础的变量替换到复杂的多轮对话，为开发者提供了强大而灵活的工具集。

1. PromptTemplate核心概念深度解析

1.1 什么是PromptTemplate？

PromptTemplate是Langchain中的核心组件，它解决了传统字符串拼接方式的诸多问题：

传统方式的问题：

• 字符串拼接容易出错，难以维护
• 缺乏变量验证机制
• 无法实现模板复用和组合
• 难以处理复杂的格式化需求

PromptTemplate的优势：

• 类型安全：自动验证变量名称和类型
• 可复用性：一次定义，多处使用
• 可组合性：支持模板嵌套和组合
• 易维护性：集中管理，便于版本控制

1.2 核心组件详解

PromptTemplate由三个核心组件构成：

1. input_variables（输入变量）

   • 定义模板中所有可变参数的名称列表
   • 用于运行时验证，确保所有必需变量都被提供
   • 支持中文变量名，便于国内开发者使用

2. template（模板字符串）

   • 包含固定文本和变量占位符的字符串
   • 使用{变量名}格式标记可替换部分
   • 支持复杂的格式化语法

3. partial_variables（可选的部分变量）

   • 预设某些变量的默认值
   • 支持动态计算的变量值

from langchain_core.prompts import PromptTemplate

# 基础示例：文章生成模板
article_template = PromptTemplate(
    input_variables=["主题", "字数", "风格"],
    template="请写一篇关于{主题}的{字数}字文章，风格要求{风格}。"
)

# 使用模板
prompt = article_template.format(
    主题="人工智能发展趋势", 
    字数="1000", 
    风格="深入浅出，适合大众阅读"
)

1.3 模板验证机制

Langchain内置了严格的验证机制，能够在模板创建时就发现潜在问题：

验证内容包括：

• 模板中的变量是否都在input_variables中声明
• input_variables中的变量是否都在模板中使用
• 变量名格式是否正确（不能包含特殊字符）

# 验证示例：这会抛出异常
try:
    invalid_template = PromptTemplate(
        input_variables=["主题", "字数"],  # 缺少"语言"变量声明
        template="请用{语言}写一篇关于{主题}的{字数}字文章。"
    )
except ValueError as e:
    print(f"模板验证失败: {
     
     e}")

1.4 部分变量填充的应用场景

部分变量填充(partial)是一个强大的功能，特别适用于以下场景：

场景1：分阶段构建复杂提示词

# 创建基础模板
base_template = PromptTemplate(
    input_variables=["角色", "任务", "输出格式", "具体问题"],
    template="你是一位{角色}。{任务}请以{输出格式}格式回答：{具体问题}"
)

# 第一阶段：设定角色和任务
role_template = base_template.partial(
    角色="资深Python开发工程师",
    任务="请根据你的专业知识和经验，"
)

# 第二阶段：设定输出格式
formatted_template = role_template.partial(输出格式="详细的步骤说明")

# 最终使用
final_prompt = formatted_template.format(具体问题="如何优化Python代码性能？")

场景2：动态变量计算

from datetime import datetime

def get_current_time():
    return datetime.now().strftime("%Y年%m月%d日 %H:%M")

# 使用函数作为部分变量
time_template = PromptTemplate(
    input_variables=["任务"],
    template="当前时间：{时间}\n请完成以下任务：{任务}",
    partial_variables={
   
   "时间": get_current_time}
)

2. 变量插入与格式化进阶技巧

2.1 为什么需要高级格式化？

在实际应用中，我们经常需要处理复杂的数据结构：

• 列表数据：如示例集合、选项列表等
• 字典数据：如用户信息、配置参数等
• 嵌套结构：如多层级的数据组织

传统的简单变量替换无法满足这些需求，因此需要更强大的格式化机制。

2.2 复杂数据结构处理策略

策略1：预处理数据
将复杂数据转换为字符串后再传入模板

# 处理示例数据
examples = [
    {
   
   "问题": "什么是机器学习？", "答案": "机器学习是人工智能的一个分支"}