LangChain PromptTemplate 详解：把 Prompt 当代码管理

PromptTemplate 是 LangChain 的核心模块之一，作用是 组织和动态生成 Prompt。
它解决的问题是：Prompt 不能写死，需要和用户输入 / 任务上下文结合，保持复用和一致性。

1. PromptTemplate 的核心作用#

模板化 Prompt：用 {} 占位，把变量和固定内容分离。
动态渲染：运行时把用户输入填充进去。
减少重复代码：把 Prompt 逻辑集中管理，而不是散落在代码里。
结构化输出：结合 parser，可以要求模型输出 JSON / YAML 等格式。

2. 基本用法#

（1）最简单的创建方式#

1
from langchain.prompts import PromptTemplate
2

3
template = "把以下中文翻译成英文: {text}"
4
prompt = PromptTemplate.from_template(template)
5

6
# 渲染
7
print(prompt.format(text="你好，世界"))
8
# => "把以下中文翻译成英文: 你好，世界"

（2）带多个变量#

1
template = "请写一首关于 {animal} 和 {place} 的诗"
2
prompt = PromptTemplate.from_template(template)
3

4
print(prompt.format(animal="小猫", place="月亮"))

输出：

1
请写一首关于 小猫 和 月亮 的诗

（3）显式指定输入变量#

1
prompt = PromptTemplate(
2
    input_variables=["product", "style"],
3
    template="请写一个关于 {product} 的广告文案，风格是 {style}"
4
)
5

6
print(prompt.format(product="咖啡", style="幽默"))

3. 高级功能#

（1）PromptTemplate + Partial（部分固定）#

有时候某些变量是 固定的，可以先“绑定”住。

1
prompt = PromptTemplate.from_template(
2
    "把以下内容翻译成 {language}: {text}"
3
)
4

5
# 固定 language
6
partial_prompt = prompt.partial(language="English")
7
print(partial_prompt.format(text="早上好"))

（2）多层 Prompt 组合#

你可以把小模板组合成复杂的 Prompt。

1
intro_prompt = PromptTemplate.from_template("用户问题是: {question}")
2
task_prompt = PromptTemplate.from_template("请根据以下问题生成 SQL: {question}")
3

4
full_prompt = intro_prompt.format(question="查询今天销量")
5
print(full_prompt)
6
print(task_prompt.format(question="查询今天销量"))

（3）和输出解析器结合#

LangChain 提供 OutputParser，可以结合 PromptTemplate，指导模型输出 JSON、列表等结构化结果。

1
from langchain.output_parsers import ResponseSchema, StructuredOutputParser
2

3
schemas = [
4
    ResponseSchema(name="summary", description="文本总结"),
5
    ResponseSchema(name="keywords", description="关键词"),
6
]
7

8
parser = StructuredOutputParser.from_response_schemas(schemas)
9
format_instructions = parser.get_format_instructions()
10

11
prompt = PromptTemplate.from_template("""
12
请分析以下文本：
13
{text}
14

15
请严格按照以下格式输出：
16
{format_instructions}
17
""")
18

19
print(prompt.format(text="今天股市上涨，投资人情绪积极", format_instructions=format_instructions))

这样 Prompt 会明确告诉模型输出 JSON，并能用 parser.parse() 解析。

（4）Few-shot Prompting#

PromptTemplate 可以和 示例库（FewShotPromptTemplate） 配合，让模型参考样例。

1
from langchain.prompts import FewShotPromptTemplate
2

3
examples = [
4
    {"word": "猫", "translation": "cat"},
5
    {"word": "狗", "translation": "dog"},
6
]
7

8
example_template = "中文: {word} -> 英文: {translation}"
9
example_prompt = PromptTemplate.from_template(example_template)
10

11
prompt = FewShotPromptTemplate(
12
    examples=examples,
13
    example_prompt=example_prompt,
14
    suffix="中文: {input} -> 英文:",
15
    input_variables=["input"]
16
)
17

18
print(prompt.format(input="苹果"))

输出大致为：

1
中文: 猫 -> 英文: cat
2
中文: 狗 -> 英文: dog
3
中文: 苹果 -> 英文:

（5）动态选择模板（Selector）#

如果你的输入场景复杂，可以让 LangChain 自动挑选最合适的模板。

例如：

用户输入太短 → 用简单 Prompt
用户输入很长 → 用总结型 Prompt

（这里可以结合 LengthBasedExampleSelector 等工具）

4. PromptTemplate 的常见技巧#

用大括号 {{ }} 转义
如果你要在模板里输出固定的花括号（比如 JSON），要用双层：
```
1
template = "输出 JSON: {{'a': '{value}'}}"
2
prompt = PromptTemplate.from_template(template)
3
print(prompt.format(value="测试"))
```
✅ 否则会被误认为是占位符。
加入格式约束
- 在 Prompt 里明确说明输出必须是 JSON / Markdown / 表格。
- 给出样例输出，效果更稳定。
分层管理 Prompt
- 用不同的 PromptTemplate 管不同任务（翻译 / 总结 / 检索）。
- 在 Chain 里组合，减少重复。
调试 Prompt
- prompt.format() 先看看渲染结果，再丢给 LLM。
- 建议用 LangSmith 或日志系统跟踪实际 Prompt。

5. 总结#

PromptTemplate = 占位 + 模板渲染。
支持：单变量、多变量、部分固定、FewShot、解析器、动态选择。
核心技巧：转义、格式约束、样例提示、日志调试。
价值：让 Prompt 结构化、复用、可控，避免硬编码。

如何输出json