Langchain1.0-Langgraph1.0-Learning 提示词模板实战:PromptTemplate、LCEL 链式调用与 15 个可复用模板

原创2026-11-01 11:01:271,993 阅读
文章标签:示例工程人工智能

Langchain1.0-Langgraph1.0-Learning 提示词模板实战:PromptTemplate、LCEL 链式调用与 15 个可复用模板

想在 LangChain 1.0 中快速掌握提示词模板?本文基于 Langchain1.0-Langgraph1.0-Learning 学习仓库,带你实战 PromptTemplate、ChatPromptTemplate 与 LCEL 链式调用,并附一份覆盖 7 大分类的可复用提示词模板清单。无需深厚背景,跟着示例文件跑一遍,就能把模板用进自己的 Agent 项目里。

LangChain 1.0 提示词模板学习项目封面

为什么弃用字符串拼接:PromptTemplate 的 4 大优势

很多新手习惯用 f-string 直接拼接提示词,比如 f"你好 {name},帮我学习 {topic}"。这样做短期省事,长期却有四个隐患:难以维护、容易格式出错、无法复用、逻辑和数据混在一起。

而 PromptTemplate 用模板变量(如 {name}、{topic})把"文案"和"数据"分离,带来以下优势:

优势 说明
✅ 可复用 一个模板配多组输入,反复调用
✅ 可维护 修改文案只需改模板,不动业务代码
✅ 类型安全 自动识别并校验模板变量
✅ 可组合 可与模型、解析器等组件自由拼接

仓库中的 phase1_fundamentals/02_prompt_templates/README.md 对这两种写法做了完整对比,可先通读一遍。

PromptTemplate 基础教程:3 种创建方式 + 格式化方法

PromptTemplate 负责单段文本提示词,有三种常见创建方式,由简到繁:

方式 1:from_template(推荐)——自动识别变量,最省事:

from langchain_core.prompts import PromptTemplate

template = PromptTemplate.from_template("将以下文本翻译成{language}:\n{text}")
print(template.input_variables)  # ['language', 'text']

方式 2:显式指定变量——通过 input_variables 参数严格声明变量清单,适合团队协作。

方式 3:部分变量预填充(partial)——把固定变量提前填好,生成"模板变体"。例如把 role 固定为"Python 导师"后,每次调用只需传 task。

模板创建好后有两种使用姿势:format() 返回字符串(直接传给 model.invoke),invoke() 返回 PromptValue 对象(可取 .text 获取内容)。9 个渐进式示例都在 phase1_fundamentals/02_prompt_templates/main.py 中,运行前按 requirements.txt 装好依赖并在 .env 中配置 GROQ_API_KEY 即可。

ChatPromptTemplate 多角色模板:system/user/assistant 用法详解

做聊天、多轮对话场景时,应该切换到 ChatPromptTemplate。两者的核心区别:

特性 PromptTemplate ChatPromptTemplate
输出格式 纯文本字符串 消息列表
角色支持 无 system / user / assistant
对话历史 不支持 支持
适用场景 简单提示 聊天、多轮交互

最推荐的写法是元组格式,一行一个角色,变量随意放置:

from langchain_core.prompts import ChatPromptTemplate

template = ChatPromptTemplate.from_messages([
    ("system", "你是一个{role},擅长{expertise}。"),
    ("user", "请帮我{task}")
])

messages = template.format_messages(
    role="Python 导师", expertise="用简单方式解释复杂概念",
    task="解释什么是列表推导式"
)

三个角色字符串的含义:system 设定 AI 的行为与规则,user(或 human)是用户输入,assistant(或 ai)用于承载 AI 历史回复——多轮对话就是把"历史问答对"按 user/assistant 交替排进去。想对每条消息做更细粒度的控制,还可以用 SystemMessagePromptTemplate、HumanMessagePromptTemplate 分别建模后再组合,main.py 的示例 5 给出了完整写法。

LCEL 链式调用入门:用管道符 | 打通模板与模型

LCEL(LangChain Expression Language)是 LangChain 的表达式语言,核心就是用管道符 | 把组件串成一条链:

template = ChatPromptTemplate.from_messages([
    ("system", "你是一个{role}"),
    ("user", "{input}")
])

model = init_chat_model("groq:llama-3.3-70b-versatile")
chain = template | model  # 模板 → 模型

response = chain.invoke({"role": "幽默的程序员", "input": "解释什么是 bug"})

数据流向一目了然:输入 → 模板 → 模型 → 输出。链式调用带来的好处是:

优势 说明
简洁 一行代码完成多步操作
可读 数据流向清晰展示
可组合 随时增删组件
可复用 链本身也是一个组件,可再嵌入更大的链

后续模块还会继续叠加输出解析器等组件,这里先建立"链 = 组件管道"的心智模型即可。

15 个可复用提示词模板清单:7 大分类场景全覆盖

仓库最大的实用资产,是 phase1_fundamentals/02_prompt_templates/examples/template_library.py 中的 TemplateLibrary 类——15 个经过调优、带文档注释的 ChatPromptTemplate,按 7 大分类组织,from examples.template_library import TemplateLibrary 导入即可直接用:

分类 模板 适用场景
🌐 翻译类 TRANSLATOR 多语言互译,保持原文风格语气
💻 编程类 CODE_GENERATOR / CODE_REVIEWER / CODE_EXPLAINER / DEBUG_HELPER 写代码、评审、讲代码、排错
✍️ 内容创作 SUMMARIZER / ARTICLE_WRITER / EMAIL_WRITER 摘要、写文章、写邮件
🎓 教育类 TUTOR / QUIZ_GENERATOR 按学生水平答疑、出题
💼 商务类 PRODUCT_DESCRIPTION / MARKET_ANALYSIS 产品文案、市场分析
🎧 客户服务 CUSTOMER_SUPPORT / FAQ_RESPONDER 客服应答、知识库问答
📊 数据分析 DATA_ANALYZER / REPORT_GENERATOR 数据解读、报告撰写

用法只需替换变量,例如:

messages = TemplateLibrary.TRANSLATOR.format_messages(
    source_lang="英语", target_lang="中文", text="Hello World"
)
response = model.invoke(messages)

分类说明详见 phase1_fundamentals/02_prompt_templates/examples/README.md。

如何运行模板示例:从 main.py 到自定义模板库

三步跑通示例:

  1. 安装依赖:pip install -r requirements.txt
  2. 复制 .env.example 为 .env,填入你的 GROQ_API_KEY(Groq 提供免费额度)
  3. 进入模块目录执行 python main.py,9 个示例按"按 Enter 继续"逐步演示

把模板变体带入项目: 结合 partial 可以快速派生专用模板。例如基于基础翻译模板,一行创建"英译中"专用版,之后每次调用只传 text 一个参数——这正是模板库 + 部分变量组合的威力。

提示词模板最佳实践与常见问题速查

四条命名与组织规范(摘自模块最佳实践):

  • 📛 命名要见名知意:translator_template 优于 template1
  • 📁 按领域拆分文件:templates/common.py、translation.py、coding.py
  • 📖 给模板写文档字符串:注明变量清单与调用示例
  • 🧪 为模板写测试:校验 input_variables 与消息结构

高频问题速查:

问题 答案
该选 PromptTemplate 还是 ChatPromptTemplate? 简单提示用前者;聊天/多轮对话一律推荐后者
什么时候用 partial? 某些变量在多次调用中保持不变时
模板里怎么用换行和特殊字符? 用三引号字符串书写模板
变量只能是字符串吗? 可以是任何能转成字符串的类型,比如整数 count=5
可选变量怎么处理? 用 partial 预填默认值,或在应用层加默认参数

下一步学习路径

掌握提示词模板后,建议沿着仓库的四阶段路径继续:

完整学习地图(22 个模块 + 3 个综合项目)见仓库根目录 README.md,模板能力将一路贯穿到后续的 RAG 与多智能体实战项目。

登录后查看全文
Langchain1.0-Langgraph1.0-Learning