LangChain PromptTemplate核心用法与实战解析

1. LangChain消息模板PromptTemplate深度解析

作为一名长期使用LangChain进行AI应用开发的工程师，PromptTemplate是我日常工作中最常用的工具之一。它不仅仅是简单的字符串格式化工具，更是连接用户输入与大模型之间的关键桥梁。今天我将分享PromptTemplate的核心用法、底层原理以及实际项目中的最佳实践。

1.1 PromptTemplate基础概念与实例化

PromptTemplate的本质是一个预定义的文本模板，其中包含可替换的变量占位符。在LangChain生态中，它承担着结构化提示词的重要角色。

1.1.1 构造方法实例化

最基础的实例化方式是通过构造函数创建：

python复制from langchain_core.prompts import PromptTemplate

prompt_template = PromptTemplate(
    template="你是一个{role},你的名字叫{name}",
    input_variables=["role","name"]
)

这里有几个关键点需要注意：

1. template参数中的花括号{}表示变量占位符
2. input_variables必须包含模板中所有未转义的变量名
3. 变量名需符合Python标识符规范（字母/数字/下划线）

实际项目中，我建议将模板字符串单独提取为常量或配置文件，便于后期维护和多语言支持。

1.1.2 from_template工厂方法（推荐）

LangChain提供了更简洁的工厂方法：

python复制prompt_template2 = PromptTemplate.from_template(
    "你是一个{role},你的名字叫{name}"
)

这种方法会自动解析模板中的变量，省去了显式声明input_variables的步骤。在我的项目中，95%的情况都会使用这种方式，除非需要特殊控制变量解析逻辑。

1.2 模板填充：format与invoke对比

LangChain提供了两种填充模板的方式，各有其适用场景。

1.2.1 format方法

python复制prompt =