LangChain中ChatPromptTemplate的实战应用与优化

1. ChatPromptTemplate在Agent开发中的核心价值

在构建对话型Agent时，Prompt工程的质量直接决定了智能体的交互能力和任务完成度。ChatPromptTemplate作为LangChain框架中的核心组件，其设计初衷是解决传统硬编码提示词的三大痛点：

1. 动态内容注入：支持通过变量占位符实现对话上下文的灵活嵌入，比如用户输入、历史对话、工具调用结果等
2. 多角色对话建模：通过SystemMessage、HumanMessage等消息类型区分不同对话角色，符合现代对话模型（如GPT）的输入规范
3. 模板组合复用：支持通过管道操作符（|）实现模板的模块化组合，避免重复编写相似提示结构

实际开发中，我们常用以下典型结构构建对话模板：

python复制from langchain.prompts import ChatPromptTemplate, HumanMessagePromptTemplate

template = ChatPromptTemplate.from_messages([
    ("system", "你是一个精通{domain}的助手，当前版本{v}"),
    ("human", "{user_input}"),
    ("ai", "{last_response}"), 
    ("human", "{follow_up}")
])

关键技巧：在SystemMessage中明确角色定义时，建议采用"技能+约束+输出格式"的三段式结构。例如："作为金融分析师（技能），严禁提供具体投资建议（约束），请用Markdown表格对比分析（格式）"

2. 多轮对话模板的实战配置

2.1 基础模板构建

对于需要记忆上下文的对话场景，推荐使用消息历史窗口模式。以下是支持5轮对话记忆的模板实现：

python复制from langchain_core.prompts import MessagesPlaceholder

dynamic_template = ChatPromptTemplate.from_messages([
    SystemMessagePromptTemplate.from_template(
        "你的