Langchain Template 全面指南

概述

LangChain Template 是 LangChain 提示工程的核心组件，用于动态生成模型的输入。

🎯 Template 的核心概念：

Template 本质是一个带有占位符的文本字符串，这些占位符会在运行时被具体的值填充。它的主要目的是将提示逻辑与业务数据分离。

模板分类

1. 🎯 基础模板类（Core Templates）

(1) PromptTemplate

最基础的文本模板

1from langchain.prompts import PromptTemplate
2
3# 创建模板的两种方式
4# 方式1: 使用 from_template (推荐)
5template = PromptTemplate.from_template("请把{text}翻译成{language}")
6result = template.format(text="Hello", language="中文")
7print(result)  # 输出: "请把Hello翻译成中文"
8
9# 方式2: 传统创建方式
10template = PromptTemplate(
11    input_variables=["text", "language"],
12    template="请把{text}翻译成{language}"
13)
14
15# 实际应用示例
16translation_template = PromptTemplate.from_template(
17    "将以下{source_lang}文本翻译成{target_lang}：{text}"
18)
19translation_result = translation_template.format(
20    source_lang="英文",
21    target_lang="中文", 
22    text="Hello, how are you?"
23)
24

(2) ChatPromptTemplate

聊天消息模板（最常用）

1from langchain.prompts import ChatPromptTemplate
2
3# 创建聊天提示模板
4chat_prompt = ChatPromptTemplate.from_messages([
5    ("system", "你是一个{role}"),
6    ("human", "请回答：{question}")
7])
8
9# 格式化模板
10messages = chat_prompt.format_messages(
11    role="数学老师",
12    question="什么是勾股定理？"
13)
14
15# 实际应用：客服机器人模板
16customer_service_prompt = ChatPromptTemplate.from_messages([
17    ("system", "你是{company}的客服代表，专门处理{department}问题"),
18    ("human", "我遇到了一个问题：{issue_description}"),
19    ("ai", "我很理解您的情况，让我来帮您解决。"),
20    ("human", "具体的细节是：{details}")
21])
22

2. 👥 消息模板类（Message Templates）

这些是 ChatPromptTemplate 的组成部分：

1from langchain.prompts import (
2    SystemMessagePromptTemplate,
3    HumanMessagePromptTemplate,
4    AIMessagePromptTemplate,
5    FunctionMessagePromptTemplate
6)
7
8# 创建各种消息模板
9system_template = SystemMessagePromptTemplate.from_template(
10    "你是{role}，具有{expertise}专业知识"
11)
12human_template = HumanMessagePromptTemplate.from_template(
13    "我的问题是：{question}"
14)
15ai_template = AIMessagePromptTemplate.from_template(
16    "根据我的知识，{answer}"
17)
18
19# 组合使用
20chat_prompt = ChatPromptTemplate.from_messages([
21    system_template, 
22    human_template,
23    ai_template
24])
25
26# 完整示例：编程助手
27programming_prompt = ChatPromptTemplate.from_messages([
28    SystemMessagePromptTemplate.from_template(
29        "你是{language}编程专家，擅长{domain}开发"
30    ),
31    HumanMessagePromptTemplate.from_template(
32        "请帮我解决这个编程问题：{problem}"
33    ),
34    AIMessagePromptTemplate.from_template(
35        "我会按照以下思路解决：{approach}"
36    ),
37    HumanMessagePromptTemplate.from_template(
38        "具体实现代码是？"
39    )
40])
41

3. 🎪 高级模板类（Advanced Templates）

(7) FewShotPromptTemplate

少样本学习模板

1from langchain.prompts import FewShotPromptTemplate, PromptTemplate
2
3# 定义示例数据
4examples = [
5    {
6        "input": "The weather is nice today", 
7        "output": "今天天气很好"
8    },
9    {
10        "input": "I love programming", 
11        "output": "我喜欢编程"
12    },
13    {
14        "input": "The meeting starts at 3 PM", 
15        "output": "会议下午三点开始"
16    }
17]
18
19# 定义单个示例的模板
20example_template = PromptTemplate.from_template(
21    "英文: {input}\n中文: {output}"
22)
23
24# 创建少样本提示模板
25few_shot_prompt = FewShotPromptTemplate(
26    examples=examples,
27    example_prompt=example_template,
28    prefix="请根据以下示例将英文翻译成中文：",
29    suffix="英文: {input}\n中文:",
30    input_variables=["input"]
31)
32
33# 使用示例
34result = few_shot_prompt.format(input="Thank you for your help")
35print("=== 生成的提示 ===")
36print(result)
37
38# 实际应用：情感分析少样本模板
39sentiment_examples = [
40    {"text": "这个产品太棒了！", "sentiment": "正面"},
41    {"text": "服务很差，很不满意", "sentiment": "负面"},
42    {"text": "还可以，一般般", "sentiment": "中性"}
43]
44
45sentiment_template = FewShotPromptTemplate(
46    examples=sentiment_examples,
47    example_prompt=PromptTemplate.from_template(
48        "文本: {text}\n情感: {sentiment}"
49    ),
50    prefix="分析以下文本的情感倾向：",
51    suffix="文本: {text}\n情感:",
52    input_variables=["text"]
53)
54

(8) FewShotChatMessagePromptTemplate

聊天版的少样本模板

1from langchain.prompts import FewShotChatMessagePromptTemplate, ChatPromptTemplate
2
3# 定义聊天示例
4chat_examples = [
5    {
6        "input": "今天的天气怎么样？",
7        "output": "我无法获取实时天气信息，请查看天气预报应用。"
8    },
9    {
10        "input": "现在几点了？",
11        "output": "我无法获取当前时间，请查看您的设备时钟。"
12    },
13    {
14        "input": "我的快递到哪里了？", 
15        "output": "我无法查询物流信息，请使用快递公司的官方应用查询。"
16    }
17]
18
19# 创建示例模板
20example_prompt = ChatPromptTemplate.from_messages([
21    ("human", "{input}"),
22    ("ai", "{output}")
23])
24
25# 创建少样本聊天模板
26few_shot_chat = FewShotChatMessagePromptTemplate(
27    examples=chat_examples,
28    example_prompt=example_prompt
29)
30
31# 组合到完整提示中
32final_prompt = ChatPromptTemplate.from_messages([
33    ("system", "你是一个有帮助的AI助手，请礼貌地回答用户问题。"),
34    few_shot_chat,
35    ("human", "{user_input}")
36])
37
38# 使用示例
39messages = final_prompt.format_messages(
40    user_input="我的银行余额是多少？"
41)
42

4. 🧩 特殊用途模板

(9) MessagesPlaceholder

消息占位符（用于动态插入消息）

1from langchain.prompts import MessagesPlaceholder, ChatPromptTemplate
2
3# 创建带消息占位符的模板
4prompt_with_history = ChatPromptTemplate.from_messages([
5    ("system", "你是专业的{expert_role}"),
6    MessagesPlaceholder(variable_name="chat_history"),
7    ("human", "{current_question}")
8])
9
10# 模拟对话历史
11chat_history = [
12    {"role": "human", "content": "什么是Python？"},
13    {"role": "ai", "content": "Python是一种编程语言。"}
14]
15
16# 格式化模板
17messages = prompt_with_history.format_messages(
18    expert_role="编程教师",
19    chat_history=chat_history,
20    current_question="Python有什么特点？"
21)
22
23# 实际应用：带记忆的对话系统
24memory_prompt = ChatPromptTemplate.from_messages([
25    ("system", """你是{assistant_name}，具有以下特点：
26    - 专业领域: {expertise}
27    - 回答风格: {style}
28    - 语言: {language}"""),
29    
30    MessagesPlaceholder(variable_name="conversation_history"),
31    ("human", "{current_input}")
32])
33

🔗 Template 关系图谱

1PromptTemplate (基类)
2    │
3    ├── ChatPromptTemplate (组合多个消息)
4    │       ├── SystemMessagePromptTemplate
5    │       ├── HumanMessagePromptTemplate  
6    │       ├── AIMessagePromptTemplate
7    │       └── FunctionMessagePromptTemplate
8    │
9    ├── FewShotPromptTemplate (包含example_prompt)
10    │
11    └── FewShotChatMessagePromptTemplate (专门用于聊天)
12

🎯 核心关系说明

关系1：包含关系

1# FewShotPromptTemplate 包含 PromptTemplate
2examples = [
3    {"input": "hello", "output": "你好"},
4    {"input": "goodbye", "output": "再见"}
5]
6
7example_prompt = PromptTemplate.from_template(
8    "输入: {input}\n输出: {output}"
9)
10
11few_shot_prompt = FewShotPromptTemplate(
12    example_prompt=example_prompt,  # 包含关系
13    examples=examples,
14    prefix="翻译任务：",
15    suffix="输入: {input}\n输出:",
16    input_variables=["input"]
17)
18
19# ChatPromptTemplate 包含 MessagePromptTemplates
20system_template = SystemMessagePromptTemplate.from_template("系统: {role}")
21human_template = HumanMessagePromptTemplate.from_template("用户: {question}")
22
23chat_prompt = ChatPromptTemplate.from_messages([
24    system_template,    # 包含关系
25    human_template      # 包含关系
26])
27

关系2：组合关系

1from langchain.prompts import ChatPromptTemplate, FewShotChatMessagePromptTemplate
2
3# 创建少样本部分
4few_shot_examples = [
5    {"input": "如何学习编程？", "output": "建议从基础语法开始..."},
6    {"input": "最好的编程语言？", "output": "这取决于你的目标..."}
7]
8
9few_shot_section = FewShotChatMessagePromptTemplate(
10    example_prompt=ChatPromptTemplate.from_messages([
11        ("human", "{input}"),
12        ("ai", "{output}")
13    ]),
14    examples=few_shot_examples
15)
16
17# FewShotChatMessagePromptTemplate 作为 ChatPromptTemplate 的一部分
18final_prompt = ChatPromptTemplate.from_messages([
19    ("system", "你是{teacher_type}老师"),
20    few_shot_section,  # 组合关系
21    MessagesPlaceholder(variable_name="history"),  # 组合关系
22    HumanMessagePromptTemplate.from_template("{current_input}")
23])
24
25# 使用组合模板
26formatted_messages = final_prompt.format_messages(
27    teacher_type="编程",
28    history=[],
29    current_input="如何调试代码？"
30)
31

🛠️ 实际使用场景对比

场景1：简单文本生成 → PromptTemplate

1# 诗歌生成
2poem_template = PromptTemplate.from_template("""
3请以{style}风格写一首关于{topic}的诗。
4
5要求：
6- 意境: {mood}
7- 长度: {length}
8- 语言: {language}
9
10诗歌：
11""")
12
13poem_prompt = poem_template.format(
14    style="浪漫",
15    topic="春天", 
16    mood="欢快",
17    length="八句",
18    language="中文"
19)
20

场景2：聊天对话 → ChatPromptTemplate + MessageTemplates

1# 专业咨询对话
2system_msg = SystemMessagePromptTemplate.from_template("""
3你是{profession}顾问，具有以下资质：
4- 经验: {experience}
5- 专长: {specialization} 
6- 认证: {certifications}
7""")
8
9human_msg = HumanMessagePromptTemplate.from_template("""
10我的咨询问题是：{question}
11
12背景信息：
13{context}
14""")
15
16chat_prompt = ChatPromptTemplate.from_messages([system_msg, human_msg])
17
18# 使用示例
19messages = chat_prompt.format_messages(
20    profession="法律",
21    experience="10年",
22    specialization="合同法",
23    certifications="律师执业证",
24    question="合同违约如何处理？",
25    context="甲方未按约定时间付款"
26)
27

场景3：示例学习 → FewShotPromptTemplate

1# 代码生成少样本学习
2code_examples = [
3    {
4        "requirement": "计算列表平均值",
5        "code": "def calculate_average(numbers):\n    return sum(numbers) / len(numbers)"
6    },
7    {
8        "requirement": "反转字符串", 
9        "code": "def reverse_string(s):\n    return s[::-1]"
10    }
11]
12
13code_template = FewShotPromptTemplate(
14    examples=code_examples,
15    example_prompt=PromptTemplate.from_template(
16        "需求: {requirement}\n代码: {code}"
17    ),
18    prefix="请根据示例编写Python代码：",
19    suffix="需求: {requirement}\n代码:",
20    input_variables=["requirement"]
21)
22
23code_prompt = code_template.format(
24    requirement="检查字符串是否是回文"
25)
26

场景4：复杂聊天 + 示例 → 组合使用

1# 1. 创建少样本部分
2few_shot_examples = [
3    {
4        "situation": "用户询问个人隐私信息",
5        "response": "出于安全考虑，我无法访问或提供个人隐私信息。"
6    },
7    {
8        "situation": "用户要求违法帮助", 
9        "response": "抱歉，我无法提供任何违法或不道德行为的帮助。"
10    }
11]
12
13few_shot_section = FewShotChatMessagePromptTemplate(
14    example_prompt=ChatPromptTemplate.from_messages([
15        ("human", "情境: {situation}"),
16        ("ai", "回复: {response}")
17    ]),
18    examples=few_shot_examples
19)
20
21# 2. 创建完整聊天提示
22final_prompt = ChatPromptTemplate.from_messages([
23    SystemMessagePromptTemplate.from_template("""
24    你是{assistant_name}，安全准则：
25    - {safety_guidelines}
26    - 始终遵守{regulations}
27    """),
28    
29    few_shot_section,  # 包含少样本示例
30    
31    MessagesPlaceholder(variable_name="conversation_history"),  # 动态历史
32    
33    HumanMessagePromptTemplate.from_template("当前查询: {current_query}")
34])
35
36# 使用示例
37messages = final_prompt.format_messages(
38    assistant_name="安全助手",
39    safety_guidelines="不分享个人信息，不提供违法建议",
40    regulations="AI使用规范",
41    conversation_history=[],
42    current_query="你能告诉我别人的电话号码吗？"
43)
44

📝 使用频率总结

总结

LangChain Template 提供了强大而灵活的提示工程能力：

• 🎯 精准控制: 通过模板精确控制模型输入，确保提示的一致性
• ♻️ 可复用性: 一次创建，多处使用，提高开发效率
• 🔧 模块化: 像搭积木一样组合模板，支持复杂场景
• 🛡️ 可靠性: 类型安全和错误检查，减少运行时错误
• 🚀 高效开发: 加速 AI 应用开发流程，降低维护成本

掌握 LangChain Template 是构建高质量大模型应用的关键技能，它让提示工程从艺术走向工程化。

《Langchain Template 全面指南》 是转载文章，点击查看原文。