一、 聊天信息提示词模板

聊天信息提示词模板（char prompt template）

聊天模型以聊天信息作为输入，这个聊天消息列表的内容也可以通过提示词模板进行管理。
这些聊天消息与原始字符不同，因为每个消息都与“角色role”关联。

列如，在OpenAI的Chat Completion API中，OpenAI的聊天模板，给不同的聊天信息定义了三种角色类型，分别是助手（Assisant）、人类（human）、或系统（System）角色：

• 助手（Assisant）消息指当前消息是AI回答的内容
• 人类（user）消息指的是你发给AI的内容
• 系统（system）消息通常是用来给AI身份进行描述

1.1 使用关键字

以下是创建聊天信息模板的例子
这个例子是通过文本描述来定义系统、助手等，关键字必须
Use one of 'human', 'user', 'ai', 'assistant', or 'system'

from langchain_ollama import ChatOllama
from langchain_core.prompts import ChatPromptTemplate
llm = ChatOllama(
    model="deepseek-r1:7b", 
)
chat_prompt = ChatPromptTemplate.from_messages([
    ("system", "你是西天取经的人工智能助手，你的名字叫齐天智能"),
    ("human",  "你好"),
    ("ai", "您好，我是西天取经的人工智能助手，请问有什么可以帮助您？"),
    ("human", "{user_input}")
])

message = chat_prompt.format(user_input="你叫什么")
response = llm.invoke(message)
print(llm.invoke(message).content)

1.2 使用SystemMessage, HumanMessage, AIMessage来定义消息

实际开发中，这个方式多一些，比较清晰

from langchain_core.messages import SystemMessage, HumanMessage, AIMessage
from langchain_core.prompts import HumanMessagePromptTemplate
chat_template = ChatPromptTemplate.from_messages(
    [SystemMessage(
        content=("你是西天取经的人工智能助手，你的名字叫齐天智能")
    ),
    HumanMessage(
        content=("你好")
    ),
    AIMessage(
        content=("您好，我是西天取经的人工智能助手，请问有什么可以帮助您？")
    ),
    HumanMessagePromptTemplate.from_template("{text}"),
    ]
)

message = chat_template.format_messages(text="你叫什么")
print(message)
print("----------------------")
print(llm.invoke(message).content)

1.3 使用MessagesPlaceholder 在特定未知添加消息列表

这个提示词模板负责在特定位置添加消息列表。
在前面两段中，我们看到了如何格式化两条消息，每条消息都是一个字符串，但是我们希望用户传入一个消息列表，我们将其插入到特定位置，该怎么办？
这里可以使用MessagesPlaceholder的方式

如下代码，这将会生成两条消息，第一条是系统消息，第二条是我们传入的HumanMessage。 如果我们传入了5条消息，那么总共会生成6条消息（系统消息加上传入的5条消息）、这对于将一系列消息插入到特定位置非常有用。

from langchain_core.messages import SystemMessage, HumanMessage
from langchain_core.prompts import MessagesPlaceholder, MessagesPlaceholder
prompt_template = ChatPromptTemplate.from_messages(
    [SystemMessage(
        content=("你是西天取经的人工智能助手，你的名字叫齐天智能")
    ),
    # 你可以传入一组消息
    MessagesPlaceholder("msgs"),
         HumanMessagePromptTemplate.from_template("{text}"),
    ]
)

message = prompt_template.invoke({"msgs":[HumanMessage(content="你好"),
                                           AIMessage(content="您好，我是西天取经的人工智能助手，请问有什么可以帮助您？")],
                                  "text": "你叫什么"})

# print("----------------")
print(llm.invoke(message).content )

二、关键类介绍

2.1 ChatPromptTemplate 类

LangChain 中用于构建聊天模型提示的类，它允许用户通过定义一系列消息模板来生成对话内容。
主要用于：创建聊天模型的输入提示，这些提示由多个消息组成，每个消息都有一个角色（如系统、用户或 AI）。它支持动态填充变量，能够根据输入参数生成具体的聊天消息列表。

2.1.1 from_messages()

从消息列表创建 ChatPromptTemplate 实例

• 输入参数为messages: 一个包含消息模板的列表。每个消息模板可以是一个元组（角色，模板字符串），也可以是一个 MessagePromptTemplate 的实例。

2.1.2 format_messages()

根据输入参数格式化消息模板，生成具体的聊天消息列表。

• 输入参数为一个字典，包含模板中需要填充的变量及其值。
• 返回值：一个包含具体消息的列表，每个消息都是 SystemMessage、HumanMessage 或 AIMessage 的实例。

2.1.3 format_prompt()

格式化提示模板，返回一个 PromptValue 对象，可以转换为字符串或消息列表。
**参数：**一个字典，包含模板中需要填充的变量及其值。

prompt_value = chat_template.format_prompt(name="Bob", user_input="What is your name?")
print(prompt_value.to_messages())

2.2 SystemMessage, HumanMessage，AIMessage类

以AIMessage类 为例：
AIMessage 是 LangChain 中的一种消息类型，表示由 AI 模型生成的消息。一般LLM的回答，都是AIMessage类

记一下以下几个参数

• content：表示消息的内容，通常是字符串形式的文本。

AIMessage(content="Hello, how can I help you today?")

• role: 指定消息的角色。在 AIMessage 中，role 通常固定为 “assistant”，表示消息是由 AI 助手生成的。

AIMessage(content="Here is the answer.", role="assistant")

• additional_kwargs：Dict格式，用于存储额外的关键字参数，例如工具调用信息。可以用于扩展消息的功能，例如存储工具调用信息、元数据等。

AIMessage(
    content="I need to call the weather API.",
    additional_kwargs={"tool_calls": [{"type": "weather_api", "args": {"location": "Beijing"}}]}
)