🎯 课程主题

ChatPromptTemplate 的四个高级特性：部分变量预填充、消息占位符、可复用模板库、模板组合。

📝 核心知识点

1. 部分变量预填充（partial）

  • 概念说明：通过 partial() 方法预先填充某些在所有调用中都相同的变量，创建模板的变体。
  • 关键细节：
    • 调用 partial() 后必须用返回值接收，原 template 对象不会被修改。
    • 适用于为不同用户或场景创建定制模板。
    • 预填充后，剩余变量在 invoke 时传入。
from langchain_core.prompts import ChatPromptTemplate

template = ChatPromptTemplate.from_messages([
    ("system", "你是一个{role}"),
    ("human", "我的任务是{task}")
])

# 预填充固定变量
partial_template = template.partial(role="导游", audience="游客")

# 后续调用只需传剩余变量
result1 = partial_template.invoke({"task": "介绍北京的故宫"})
result2 = partial_template.invoke({"task": "介绍北京的颐和园"})

# 场景化示例：为不同部门创建专用模板
template = ChatPromptTemplate.from_messages([
    ("system", "你是{role}，负责{task}")
])

it_template = template.partial(role="IT技术支持")
sales_template = template.partial(role="销售顾问")

result = it_template.invoke({"task": "解决服务器故障"})
result = sales_template.invoke({"task": "解答客户产品咨询"})

2. 消息占位符

  • 概念说明：当不确定消息提示模板使用什么角色，或希望在格式化过程中插入消息列表时使用。
  • 关键细节：
    • 有两种实现方式：① 元组中的 "placeholder" ② MessagesPlaceholder 类。
    • 占位符对应的是消息列表，而非单条消息。
    • 典型应用：多轮对话系统中存储历史消息。

方式一：使用 "placeholder" 元组

template = ChatPromptTemplate.from_messages([
    ("system", "我是一个AI助手"),
    ("placeholder", "{conversation}")
])

result = template.invoke({
    "conversation": [
        ("human", "你好，请问明天的天气如何？"),
        ("ai", "明天天气晴朗"),
        ("human", "后天呢？")
    ]
})

方式二：使用 MessagesPlaceholder

from langchain_core.prompts import MessagesPlaceholder

template = ChatPromptTemplate.from_messages([
    ("system", "我是一个AI助手"),
    MessagesPlaceholder(variable_name="conversation")
])

result = template.invoke({
    "conversation": [
        ("human", "你好，请问明天的天气如何？"),
        ("ai", "明天天气晴朗"),
        ("human", "后天呢？")
    ]
})

多轮对话历史消息存储示例

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder

template = ChatPromptTemplate.from_messages([
    ("system", "你是一个友好的AI助手"),
    MessagesPlaceholder(variable_name="history"),
    ("human", "{question}")
])

result = template.invoke({
    "history": [
        ("human", "1+2等于几？"),
        ("ai", "等于3")
    ],
    "question": "这个结果再乘以4呢？"
})

3. 可复用模板库

  • 概念说明：将提示词模板集中维护在独立的 Python 模块或文件中，实现模板的集中管理与复用。
  • 关键细节：在实际项目中，建议按功能模块（翻译、总结、代码生成等）将模板分别存放在不同的 .py 文件中，按需导入使用。
# templates.py
from langchain_core.prompts import ChatPromptTemplate

translation_template = ChatPromptTemplate.from_messages([
    ("system", "你是一个翻译专家"),
    ("human", "将以下内容翻译为英文：{text}")
])

# main.py
from templates import translation_template
result = translation_template.invoke({"text": "你好世界"})

4. 模板组合（LangChain 1.0+ 特性）

  • 概念说明：LangChain 1.0 后支持两个 ChatPromptTemplate 对象直接拼接。
  • 关键细节：类似于字符串拼接，可用于动态组装提示词模板。

🏗️ 架构与工作流

原始模板（含全部变量）
    │
    ├── partial()  →  预填充模板A（固定变量已赋值）  →  invoke(剩余变量)
    └── partial()  →  预填充模板B（固定变量已赋值）  →  invoke(剩余变量)

消息占位符工作流：
用户问题 → HumanMessage → [消息列表] → 占位符替换 → 模型调用
历史消息 → MessagesPlaceholder ─┘

💻 代码实战

见各知识点中的代码示例。

⚠️ 常见问题与避坑指南

  • partial() 不修改原对象：必须用返回值接收，否则原 template 仍有全部变量，会导致调用时报错"缺失变量"。
  • MessagesPlaceholder 注意导入：需从 langchain_core.prompts 导入，且 variable_name 要与 invoke 时的 key 一致。
  • 占位符对应的是列表：给占位符赋值时传入的是消息列表，而非单条消息。

💡 个人总结与延伸

这四个高级特性是构建复杂 LLM 应用的基础：partial 实现模板参数化定制，MessagesPlaceholder 解决多轮对话历史注入问题，模板库实现工程化管理。其中消息占位符在多轮对话场景中尤为重要，是后续 Agent 和对话系统的基础。

最近更新:
Contributors: yangwenguang