Learn
Langchain.js/04-prompts

提示词模板 Prompts

提示模板（Prompts）是 Model I/O 中的 Input 部分——把「带变量的提示词」固化成可复用组件，运行时再填值。

1. ChatPromptTemplate

最常用的是 ChatPromptTemplate，支持按角色编排多段消息，并用 {变量} 占位：

import { ChatPromptTemplate } from "@langchain/core/prompts";
 
const prompt = ChatPromptTemplate.fromMessages([
  ["system", "你是{role}，请用{style}的语气回答。"],
  ["human", "{question}"],
]);
 
const messages = await prompt.formatMessages({
  role: "资深前端工程师",
  style: "简洁专业",
  question: "React 里 useMemo 什么时候该用？",
});
 
console.log(messages); // [SystemMessage, HumanMessage]

模板返回的是「消息数组」，可以直接 model.invoke(messages)，或接入 LCEL 管道。

💡变量名要唯一且语义化

{question}、{context}、{history} 是 RAG / 对话场景的约定俗成命名，团队统一后可读性更好。

2. 字符串模板与部分填充

PromptTemplate 用于纯文本场景；partial() 可先固定部分变量（例如先填好 language，后面只传 text）：

import { PromptTemplate } from "@langchain/core/prompts";
 
const tpl = PromptTemplate.fromTemplate(
  "把下面文本翻译成{language}：\n{text}"
);
const enTpl = await tpl.partial({ language: "英语" });
const prompt = await enTpl.format({ text: "今天天气真好" });

3. FewShot 示例模板

FewShot（少样本）通过给模型看「示例」来引导输出格式与风格。常用 FewShotChatMessagePromptTemplate + SemanticSimilarityExampleSelector 自动挑选最相关示例：

import { FewShotChatMessagePromptTemplate } from "@langchain/core/prompts";
 
const examplePrompt = ChatPromptTemplate.fromTemplate(
  "输入：{input}\n输出：{output}"
);
const fewShot = FewShotChatMessagePromptTemplate.fromExamples(
  [
    { input: "高兴", output: "😊" },
    { input: "生气", output: "😠" },
  ],
  { inputVariables: ["input", "output"], examplePrompt }
);
 
const final = ChatPromptTemplate.fromMessages([
  ["system", "根据情绪给出表情符号。"],
  fewShot,
  ["human", "{input}"],
]);
⚠️示例不是越多越好

FewShot 会占用上下文窗口并增加 Token 成本。静态示例控制在 3–5 条；需要更多时优先用「语义相似示例选择器」动态挑选。

4. 与链串联

模板天然是 LCEL 的「第一环」：

const chain = prompt.pipe(model).pipe(new StringOutputParser());
await chain.invoke({ question: "..." });
🎯练习

为「中英术语互译」场景写一个 PromptTemplate，用 partial 固定目标语言，再串到模型上跑通。

小结

  • ChatPromptTemplate 按角色编排，用 {变量} 占位
  • partial() 可先固定部分变量
  • FewShot 通过示例引导格式，注意控制数量
  • 模板是 LCEL 管道的起点
  • 下章学习如何把模型输出解析成结构化数据 →