别再手写一坨坨的 Prompt 字符串了LangChain 的模板功能让你的提示词优雅又好维护~开篇碎碎念你是否也曾写出过这种代码prompt f请帮我为商品{name}写文案它的卖点是{points}目标用户是{user}要求不超过{length}字语气要{tone}... # 字符串越来越长越来越难维护...明明能用但维护起来简直要命。改一个地方满代码找半天。别慌LangChain 的 Prompt 模板来拯救你的代码洁癖了啥是 Prompt通俗点说Prompt 就是你跟大模型说的话。比如请用一句话介绍 LangChain。 —— 这是最简单的 Prompt你是一名资深程序员请用通俗易懂的语言解释什么是递归。 —— 这就复杂点了Prompt 写得好模型输出就像开了挂Prompt 写得烂输出能让你怀疑人生。PromptTemplate最简单的模板想象一下你有个模板请为商品 {商品名} 写一句广告语突出卖点{卖点}每次只需要填空就行from langchain_core.prompts import PromptTemplate 创建模板 template PromptTemplate.from_template( 请为商品 {product_name} 写一句广告语突出卖点{selling_points} ) 填空调用 prompt template.invoke({ product_name: 无线鼠标, selling_points: 静音、续航长、轻便 }) print(prompt.text)输出请为商品 无线鼠标 写一句广告语突出卖点静音、续航长、轻便是不是像填空题一样简单ChatPromptTemplate聊天模型的好搭档现代大模型GPT、Claude、通义千问等都支持角色消息这时候用ChatPromptTemplate更香from langchain_core.prompts import ChatPromptTemplate chat_template ChatPromptTemplate.from_messages([ (system, 你是一名电商运营专家回答要简洁有吸引力。), (human, 请为商品 {product_name} 写一段文案卖点是{selling_points}) ]) prompt chat_template.invoke({ product_name: logi鼠标, selling_points: 静音、灵敏、无延迟 })PromptTemplate vs ChatPromptTemplate模板类型输出格式角色支持推荐指数PromptTemplate纯文本字符串❌ 无⭐⭐⭐ChatPromptTemplate消息列表✅ system/human/ai⭐⭐⭐⭐⭐一句话总结聊天模型用 ChatPromptTemplate 就对了Prompt 编写的万能公式记住这个四件套你的 Prompt 就不会太差1️⃣ 明确角色你是一名资深电商运营专家。让模型知道自己是谁风格就稳了。2️⃣ 明确任务请根据商品信息生成详情页文案。别让模型猜你想要啥直接说清楚。3️⃣ 明确约束要求 1. 不超过 150 字 2. 不夸大宣传 3. 适合年轻用户规则越多跑偏越少。4️⃣ 明确输入商品名称{product_name} 商品卖点{selling_points} 目标用户{target_user}变量清清楚楚模型一看就懂。实战演练三个拿来即用的案例案例 1商品文案生成器import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model from langchain_core.prompts import ChatPromptTemplate load_dotenv() model init_chat_model( modeldeepseek-chat, model_provideropenai, base_urlos.getenv(DEEPSEEK_BASE_URL), api_keyos.getenv(DEEPSEEK_API_KEY), temperature0.5 ) prompt_str 请根据以下信息生成商品详情页文案 商品名称{product_name} 商品卖点{selling_points} 目标用户{target_user} 要求 不超过 150 字 突出用户利益 不虚假夸张 chat_prompt ChatPromptTemplate.from_messages([ (system, 你是电商运营专家擅长写自然有吸引力的商品文案), (human, prompt_str) ]) prompt chat_prompt.invoke({ product_name: 无线静音鼠标, selling_points: 静音按键、蓝牙连接、续航30天, target_user: 办公室和图书馆用户 }) response model.invoke(prompt) print(response.content)一句话点评角色 输入 约束 稳定输出 ✅案例 2学习计划生成器prompt_template ChatPromptTemplate.from_messages([ (system, 你是一名编程老师擅长制定可执行的学习计划。), (human, 请为我制定学习计划 学习主题{topic} 学习时长{days} 天 每天学习{hours_per_day} 小时 当前基础{level} 要求 按天列出学习内容 每天给出练习任务 内容适合当前基础 ) ]) prompt prompt_template.invoke({ topic: LangChain 入门, days: 5, hours_per_day: 2, level: 会 Python 基础 })小贴士变量可以是数字哦~ 不一定是字符串案例 3客服回复生成器prompt_template ChatPromptTemplate.from_messages([ (system, 你是电商客服回复礼貌明确不推卸责任。), (human, 请根据以下信息生成客服回复 用户问题{user_question} 订单状态{order_status} 物流信息{shipping_info} 要求 先安抚用户 再说明情况 最后给建议 不超过 120 字 ) ]) prompt prompt_template.invoke({ user_question: 我的快递三天没更新了是不是丢了, order_status: 已发货, shipping_info: 包裹已到上海转运中心 })业务价值用户问题 → 数据库 → 第三方接口 → Prompt → 秒回用户进阶玩法MessagesPlaceholder当你需要插入聊天历史时用MessagesPlaceholderfrom langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder prompt ChatPromptTemplate.from_messages([ (system, 你是一个有用的助手。), MessagesPlaceholder(history), # 这里插入历史消息 (human, {question}), ]) 调用时传入历史 prompt_value prompt.invoke({ history: [ (human, 我叫小明), (ai, 你好小明), ], question: 我叫什么名字, })参数说明参数作用optionalTrue允许不传 history不报错n_messages4只保留最近 4 条消息防止 token 爆表简写形式(placeholder, {history}) # 等价于 MessagesPlaceholder(history, optionalTrue)封装技巧告别重复代码每个案例都写一遍模型初始化太累了创建model_factory.pyimport os from dotenv import load_dotenv from langchain.chat_models import init_chat_model def get_deepseek_model(temperature: float 0.7): load_dotenv() return init_chat_model( modeldeepseek-chat, model_provideropenai, api_keyos.getenv(DEEPSEEK_API_KEY), base_urlos.getenv(DEEPSEEK_BASE_URL), temperaturetemperature, )以后一行搞定from model_factory import get_deepseek_model model get_deepseek_model(temperature0.5)常见问题快问快答QPrompt 越长越好吗A不是要求太多反而会让模型顾此失彼保持清晰就够了。Q为什么模型没完全按要求输出A大模型不是程序不能百分百服从。后续可以结合结构化输出做校验。QPromptTemplate 和 ChatPromptTemplate 选哪个A聊天模型优先用 ChatPromptTemplate这是现代应用的标配。总结划重点知识点一句话总结Prompt 本质给模型的任务说明书模板好处变量分离复用 easyPromptTemplate简单文本任务用ChatPromptTemplate聊天模型首选MessagesPlaceholder插入历史消息神器编写公式角色 任务 输入 约束觉得有用的话点个赞再走呗~ 你的鼓励是我持续输出的动力有问题欢迎评论区唠两句一起学习一起进步
别再手写一坨坨的 Prompt 字符串了LangChain 的模板功能让你的提示词优雅又好维护~开篇碎碎念你是否也曾写出过这种代码prompt f请帮我为商品{name}写文案它的卖点是{points}目标用户是{user}要求不超过{length}字语气要{tone}... # 字符串越来越长越来越难维护...明明能用但维护起来简直要命。改一个地方满代码找半天。别慌LangChain 的 Prompt 模板来拯救你的代码洁癖了啥是 Prompt通俗点说Prompt 就是你跟大模型说的话。比如请用一句话介绍 LangChain。 —— 这是最简单的 Prompt你是一名资深程序员请用通俗易懂的语言解释什么是递归。 —— 这就复杂点了Prompt 写得好模型输出就像开了挂Prompt 写得烂输出能让你怀疑人生。PromptTemplate最简单的模板想象一下你有个模板请为商品 {商品名} 写一句广告语突出卖点{卖点}每次只需要填空就行from langchain_core.prompts import PromptTemplate 创建模板 template PromptTemplate.from_template( 请为商品 {product_name} 写一句广告语突出卖点{selling_points} ) 填空调用 prompt template.invoke({ product_name: 无线鼠标, selling_points: 静音、续航长、轻便 }) print(prompt.text)输出请为商品 无线鼠标 写一句广告语突出卖点静音、续航长、轻便是不是像填空题一样简单ChatPromptTemplate聊天模型的好搭档现代大模型GPT、Claude、通义千问等都支持角色消息这时候用ChatPromptTemplate更香from langchain_core.prompts import ChatPromptTemplate chat_template ChatPromptTemplate.from_messages([ (system, 你是一名电商运营专家回答要简洁有吸引力。), (human, 请为商品 {product_name} 写一段文案卖点是{selling_points}) ]) prompt chat_template.invoke({ product_name: logi鼠标, selling_points: 静音、灵敏、无延迟 })PromptTemplate vs ChatPromptTemplate模板类型输出格式角色支持推荐指数PromptTemplate纯文本字符串❌ 无⭐⭐⭐ChatPromptTemplate消息列表✅ system/human/ai⭐⭐⭐⭐⭐一句话总结聊天模型用 ChatPromptTemplate 就对了Prompt 编写的万能公式记住这个四件套你的 Prompt 就不会太差1️⃣ 明确角色你是一名资深电商运营专家。让模型知道自己是谁风格就稳了。2️⃣ 明确任务请根据商品信息生成详情页文案。别让模型猜你想要啥直接说清楚。3️⃣ 明确约束要求 1. 不超过 150 字 2. 不夸大宣传 3. 适合年轻用户规则越多跑偏越少。4️⃣ 明确输入商品名称{product_name} 商品卖点{selling_points} 目标用户{target_user}变量清清楚楚模型一看就懂。实战演练三个拿来即用的案例案例 1商品文案生成器import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model from langchain_core.prompts import ChatPromptTemplate load_dotenv() model init_chat_model( modeldeepseek-chat, model_provideropenai, base_urlos.getenv(DEEPSEEK_BASE_URL), api_keyos.getenv(DEEPSEEK_API_KEY), temperature0.5 ) prompt_str 请根据以下信息生成商品详情页文案 商品名称{product_name} 商品卖点{selling_points} 目标用户{target_user} 要求 不超过 150 字 突出用户利益 不虚假夸张 chat_prompt ChatPromptTemplate.from_messages([ (system, 你是电商运营专家擅长写自然有吸引力的商品文案), (human, prompt_str) ]) prompt chat_prompt.invoke({ product_name: 无线静音鼠标, selling_points: 静音按键、蓝牙连接、续航30天, target_user: 办公室和图书馆用户 }) response model.invoke(prompt) print(response.content)一句话点评角色 输入 约束 稳定输出 ✅案例 2学习计划生成器prompt_template ChatPromptTemplate.from_messages([ (system, 你是一名编程老师擅长制定可执行的学习计划。), (human, 请为我制定学习计划 学习主题{topic} 学习时长{days} 天 每天学习{hours_per_day} 小时 当前基础{level} 要求 按天列出学习内容 每天给出练习任务 内容适合当前基础 ) ]) prompt prompt_template.invoke({ topic: LangChain 入门, days: 5, hours_per_day: 2, level: 会 Python 基础 })小贴士变量可以是数字哦~ 不一定是字符串案例 3客服回复生成器prompt_template ChatPromptTemplate.from_messages([ (system, 你是电商客服回复礼貌明确不推卸责任。), (human, 请根据以下信息生成客服回复 用户问题{user_question} 订单状态{order_status} 物流信息{shipping_info} 要求 先安抚用户 再说明情况 最后给建议 不超过 120 字 ) ]) prompt prompt_template.invoke({ user_question: 我的快递三天没更新了是不是丢了, order_status: 已发货, shipping_info: 包裹已到上海转运中心 })业务价值用户问题 → 数据库 → 第三方接口 → Prompt → 秒回用户进阶玩法MessagesPlaceholder当你需要插入聊天历史时用MessagesPlaceholderfrom langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder prompt ChatPromptTemplate.from_messages([ (system, 你是一个有用的助手。), MessagesPlaceholder(history), # 这里插入历史消息 (human, {question}), ]) 调用时传入历史 prompt_value prompt.invoke({ history: [ (human, 我叫小明), (ai, 你好小明), ], question: 我叫什么名字, })参数说明参数作用optionalTrue允许不传 history不报错n_messages4只保留最近 4 条消息防止 token 爆表简写形式(placeholder, {history}) # 等价于 MessagesPlaceholder(history, optionalTrue)封装技巧告别重复代码每个案例都写一遍模型初始化太累了创建model_factory.pyimport os from dotenv import load_dotenv from langchain.chat_models import init_chat_model def get_deepseek_model(temperature: float 0.7): load_dotenv() return init_chat_model( modeldeepseek-chat, model_provideropenai, api_keyos.getenv(DEEPSEEK_API_KEY), base_urlos.getenv(DEEPSEEK_BASE_URL), temperaturetemperature, )以后一行搞定from model_factory import get_deepseek_model model get_deepseek_model(temperature0.5)常见问题快问快答QPrompt 越长越好吗A不是要求太多反而会让模型顾此失彼保持清晰就够了。Q为什么模型没完全按要求输出A大模型不是程序不能百分百服从。后续可以结合结构化输出做校验。QPromptTemplate 和 ChatPromptTemplate 选哪个A聊天模型优先用 ChatPromptTemplate这是现代应用的标配。总结划重点知识点一句话总结Prompt 本质给模型的任务说明书模板好处变量分离复用 easyPromptTemplate简单文本任务用ChatPromptTemplate聊天模型首选MessagesPlaceholder插入历史消息神器编写公式角色 任务 输入 约束觉得有用的话点个赞再走呗~ 你的鼓励是我持续输出的动力有问题欢迎评论区唠两句一起学习一起进步
