LangChain消息机制与提示词工程实战解析

1. LangChain消息机制深度解析

在构建AI对话系统时，消息机制是核心基础架构。LangChain v1.2通过结构化消息对象实现了精细化的对话控制，这种设计比传统API的简单文本输入输出更符合复杂对话场景的需求。

1.1 四种核心消息类型详解

LangChain的消息系统采用角色分离设计，每种消息类型都有明确的职责边界：

• SystemMessage：对话系统的"基因编码"

  • 作用：定义AI的底层行为逻辑和知识边界
  • 典型应用场景：
    • 角色设定（"你是一位资深Python工程师"）
    • 输出格式约束（"请用Markdown表格回答"）
    • 安全规则（"不得提供医疗诊断建议"）
  • 特点：通常只在对话开始时出现一次，但某些场景下可以动态更新

• HumanMessage：用户意图的载体

  • 结构特点：除content外可附加metadata
  • 高级用法：可通过additional_kwargs传递非结构化数据
  • 注意：用户历史消息的质量直接影响AI回复效果

• AIMessage：模型思维过程的记录

  • 关键属性：
    • tool_calls：记录AI发起的工具调用
    • invalid_tool_calls：无效调用记录
  • 重要细节：包含response_metadata存储token用量等元信息

• ToolMessage：系统与外部世界的桥梁

  • 必须包含tool_call_id实现调用链追踪
  • 最佳实践：对工具返回结果做标准化处理后再封装

1.2 消息传递的三种模式

LangChain支持灵活的消息组织方式，适应不同开发场景：

模式一：手动列表管理

python复制messages = [
    SystemMessage(content="你是一位翻译专家"),