一、 聊天信息提示詞模板

聊天信息提示詞模板（char prompt template）

聊天模型以聊天信息作為輸入，這個聊天消息列表的內容也可以通過提示詞模板進行管理。
這些聊天消息與原始字符不同，因為每個消息都與“角色role”關聯。

列如，在OpenAI的Chat Completion API中，OpenAI的聊天模板，給不同的聊天信息定義了三種角色類型，分別是助手（Assisant）、人類（human）、或系統（System）角色：

• 助手（Assisant）消息指當前消息是AI回答的內容
• 人類（user）消息指的是你發給AI的內容
• 系統（system）消息通常是用來給AI身份進行描述

1.1 使用關鍵字

以下是創建聊天信息模板的例子
這個例子是通過文本描述來定義系統、助手等，關鍵字必須
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", "你是西天取經的人工智能助手，你的名字叫齊天智能"),("human",  "你好"),("ai", "您好，我是西天取經的人工智能助手，請問有什么可以幫助您？"),("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來定義消息

實際開發中，這個方式多一些，比較清晰

from langchain_core.messages import SystemMessage, HumanMessage, AIMessage
from langchain_core.prompts import HumanMessagePromptTemplate
chat_template = ChatPromptTemplate.from_messages([SystemMessage(content=("你是西天取經的人工智能助手，你的名字叫齊天智能")),HumanMessage(content=("你好")),AIMessage(content=("您好，我是西天取經的人工智能助手，請問有什么可以幫助您？")),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

這個提示詞模板負責在特定位置添加消息列表。
在前面兩段中，我們看到了如何格式化兩條消息，每條消息都是一個字符串，但是我們希望用戶傳入一個消息列表，我們將其插入到特定位置，該怎么辦？
這里可以使用MessagesPlaceholder的方式

如下代碼，這將會生成兩條消息，第一條是系統消息，第二條是我們傳入的HumanMessage。 如果我們傳入了5條消息，那么總共會生成6條消息（系統消息加上傳入的5條消息）、這對于將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=("你是西天取經的人工智能助手，你的名字叫齊天智能")),# 你可以傳入一組消息MessagesPlaceholder("msgs"),HumanMessagePromptTemplate.from_template("{text}"),]
)message = prompt_template.invoke({"msgs":[HumanMessage(content="你好"),AIMessage(content="您好，我是西天取經的人工智能助手，請問有什么可以幫助您？")],"text": "你叫什么"})# print("----------------")
print(llm.invoke(message).content )

二、關鍵類介紹

2.1 ChatPromptTemplate 類

LangChain 中用于構建聊天模型提示的類，它允許用戶通過定義一系列消息模板來生成對話內容。
主要用于：創建聊天模型的輸入提示，這些提示由多個消息組成，每個消息都有一個角色（如系統、用戶或 AI）。它支持動態填充變量，能夠根據輸入參數生成具體的聊天消息列表。

2.1.1 from_messages()

從消息列表創建 ChatPromptTemplate 實例

• 輸入參數為messages: 一個包含消息模板的列表。每個消息模板可以是一個元組（角色，模板字符串），也可以是一個 MessagePromptTemplate 的實例。

2.1.2 format_messages()

根據輸入參數格式化消息模板，生成具體的聊天消息列表。

• 輸入參數為一個字典，包含模板中需要填充的變量及其值。
• 返回值：一個包含具體消息的列表，每個消息都是 SystemMessage、HumanMessage 或 AIMessage 的實例。

2.1.3 format_prompt()

格式化提示模板，返回一個 PromptValue 對象，可以轉換為字符串或消息列表。
**參數：**一個字典，包含模板中需要填充的變量及其值。

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

2.2 SystemMessage, HumanMessage，AIMessage類

以AIMessage類 為例：
AIMessage 是 LangChain 中的一種消息類型，表示由 AI 模型生成的消息。一般LLM的回答，都是AIMessage類

記一下以下幾個參數

• content：表示消息的內容，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 通常固定為 “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，用于存儲額外的關鍵字參數，例如工具調用信息。可以用于擴展消息的功能，例如存儲工具調用信息、元數據等。

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