LangChain ChatPromptTemplate：构建记忆型AI对话系统的核心技术

1. 项目概述：打造具备记忆能力的AI对话系统

在构建现代AI对话系统时，如何让AI记住上下文是核心挑战之一。想象一下你和朋友聊天时，如果对方每句话都当作独立问题来回应，那对话将变得支离破碎。这正是传统PromptTemplate的局限性——它像是一个只能处理单张照片的相框，而我们需要的是能播放整个视频的放映机。

ChatPromptTemplate就是LangChain为解决这一问题提供的专业工具。与常规模板不同，它专门设计用于处理多轮对话场景，通过MessagesPlaceholder机制动态管理对话历史，使得AI能够理解"再来一首"、"像刚才那样"等需要上下文理解的指令。这种能力对于构建聊天机器人、客服系统、创作助手等需要长期记忆的应用至关重要。

2. 核心概念解析：三种Prompt模板对比

2.1 PromptTemplate：单次任务专家

PromptTemplate是最基础的模板类型，适合处理独立、一次性的任务。它的工作方式类似于填空题模板，通过占位符注入简单变量：

python复制from langchain_core.prompts import PromptTemplate

template = "将以下文本翻译成{language}: {text}"
prompt = PromptTemplate.from_template(template)
filled_prompt = prompt.format(language="法语", text="你好世界")

典型应用场景包括：

• 单次文本翻译
• 独立问题回答
• 内容摘要生成
• 关键词提取

注意：PromptTemplate只能处理字符串类型的变量，无法维护对话状态。

2.2 FewShotPromptTemplate：示例学习大师

FewShotPromptTemplate在基础模板上增加了示例学习能力，通过提供示范案例指导AI完成任务：

python复制from langchain_core.prompts import FewShotPromptTemplate, PromptTemplate

examples = [
    {"input": "高兴", "output": "笑容满面，手舞足蹈"},
    {"input": "悲伤", "output": "低头垂泪，沉默不语"}
]

example_template = "情感: {input}\n表现: {output}"
example_prompt = PromptTemplate.from_template(example_template)

few_shot_prompt = FewShotPromptTemplate(
    examples=examples,
    example_prompt=example_prompt,
    prefix="根据示例描述情感表现",
    suffix="情感: {input}\n表现:",
    input_variables=["input"]
)

适用场景包括：

• 需要模仿特定风格的文本生成
• 复杂推理任务
• 格式要求严格的内容创作
• 需要示范才能理解的任务

2.3 ChatPromptTemplate：对话记忆专家

ChatPromptTemplate是专为多轮对话设计的模板系统，其核心创新在于：

1. 支持多角色消息（System、Human、AI等）
2. 通过MessagesPlaceholder动态管理对话历史
3. 保持对话上下文的完整结构

python复制from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceho