LangChain-KR项目中的PromptTemplate使用指南-CSDN博客

本文链接：https://blog.csdn.net/gitblog_00447/article/details/148970616

LangChain-KR项目中的PromptTemplate使用指南

什么是PromptTemplate？

PromptTemplate是LangChain框架中一个强大的工具，它允许开发者创建可重用的提示模板，通过变量替换生成最终的提示文本。在自然语言处理应用中，合理使用PromptTemplate可以显著提高开发效率和提示的一致性。

为什么需要PromptTemplate？

在构建基于大语言模型(LLM)的应用时，我们经常需要：

重复使用相似的提示结构
动态插入变量内容
保持提示风格的一致性
便于后期维护和修改

PromptTemplate正是为解决这些问题而设计的。

基本使用方法

方法1：使用from_template()创建模板

from langchain_core.prompts import PromptTemplate

# 定义包含变量的模板
template = "{country}의 수도는 어디인가요?"

# 创建PromptTemplate对象
prompt = PromptTemplate.from_template(template)

# 格式化提示
formatted_prompt = prompt.format(country="대한민국")
print(formatted_prompt)

这种方法简单直观，适合快速创建简单的提示模板。

方法2：显式指定输入变量

prompt = PromptTemplate(
    template=template,
    input_variables=["country"],  # 显式声明变量
)

这种方式提供了额外的验证层，确保模板中使用的变量与声明的变量一致，避免运行时错误。

高级功能

部分变量(Partial Variables)

当某些变量需要在多个提示中保持相同值时，可以使用部分变量：

prompt = PromptTemplate(
    template="{country1}과 {country2}의 수도는 각각 어디인가요?",
    input_variables=["country1"],
    partial_variables={"country2": "미국"}  # 固定值
)

动态部分变量

更强大的是，我们可以使用函数作为部分变量：

from datetime import datetime

def get_today():
    return datetime.now().strftime("%B %d")

prompt = PromptTemplate(
    template="오늘의 날짜는 {today} 입니다. 오늘이 생일인 유명인 {n}명을 나열해 주세요.",
    input_variables=["n"],
    partial_variables={"today": get_today}  # 动态函数
)

链式调用

PromptTemplate可以轻松集成到LangChain的处理链中：

chain = prompt | llm  # 将提示模板与语言模型连接
result = chain.invoke(3)  # 执行链

文件加载模板

LangChain支持从YAML等文件加载模板：

from langchain_core.prompts import load_prompt

prompt = load_prompt("prompts/fruit_color.yaml", encoding="utf-8")
formatted_prompt = prompt.format(fruit="사과")

这种方式适合管理大量复杂的提示模板。

ChatPromptTemplate

对于对话场景，可以使用ChatPromptTemplate：

from langchain_core.prompts import ChatPromptTemplate

chat_template = ChatPromptTemplate.from_messages([
    ("system", "당신은 친절한 AI 어시스턴트입니다. 이름은 {name} 입니다."),
    ("human", "반가워요!"),
    ("ai", "안녕하세요! 무엇을 도와드릴까요?"),
    ("human", "{user_input}"),
])

messages = chat_template.format_messages(
    name="테디", 
    user_input="당신의 이름은 무엇입니까?"
)

MessagePlaceholder

当需要动态插入对话历史时，可以使用MessagePlaceholder：

from langchain_core.prompts import MessagesPlaceholder

chat_prompt = ChatPromptTemplate.from_messages([
    ("system", "당신은 요약 전문 AI 어시스턴트입니다."),
    MessagesPlaceholder(variable_name="conversation"),
    ("human", "지금까지의 대화를 {word_count} 단어로 요약합니다."),
])