编程模型的新方法是通过提示(prompts)。 prompts是指模型的输入。该输入通常由多个组件构成。 LangChain 提供了多个类和函数，使构建和使用prompts变得容易。

prompt 翻译：提示

语言模型将文本作为输入 - 该文本通常称为prompt。

通常，这不仅仅是一个硬编码字符串，而是模板、一些示例和用户输入的组合。 LangChain 提供了多个类和函数，使构建和使用prompts变得容易。

prompt template是指生成提示的可重复的方式。它包含一个文本字符串（“模板”），可以接收来自最终用户的一组参数并生成提示。

提示模板包含：

这是最简单的例子：

结果：

您可以使用 PromptTemplate 类创建简单的硬编码提示。提示模板可以采用任意数量的输入变量，并且可以格式化以生成提示。

如果您不想手动指定 input_variables，您还可以使用 from_template 类方法创建 PromptTemplate。 langchain 将根据传递的模板自动推断 input_variables。

您可以创建自定义提示模板，以您想要的任何方式格式化提示。有关更多信息，请参阅自定义提示模板。

聊天模型将聊天消息列表作为输入 - 该列表通常称为提示(prompt)。这些聊天消息与原始字符串（您将传递到 LLM 模型中）不同，因为每条消息都与一个角色关联。

例如，在 OpenAI 的Chat Completion API中，聊天消息可以与 AI、人类或系统角色相关联。该模型会更紧密地遵循系统聊天消息的指令。

LangChain 提供了多种提示模板，可以轻松构建和使用提示。官方鼓励在查询聊天模型时使用这些聊天相关的提示模板而不是 PromptTemplate，以充分利用底层聊天模型的潜力。

要创建与角色关联的消息模板，请使用 MessagePromptTemplate。

为了方便起见，模板上公开了一个 from_template 方法。如果您要使用此模板，它将如下所示：

如果你想更直接地构造MessagePromptTemplate，你也可以在外部创建一个PromptTemplate，然后将其传入，例如：

之后，您可以从一个或多个 MessagePromptTemplate 构建 ChatPromptTemplate。

我们可以使用 ChatPromptTemplate 的 format_prompt ——这会返回一个 PromptValue，您可以将其转换为字符串或 Message 对象，具体取决于您是否想要使用格式化值作为 llm 或聊天模型的输入。

结果：

本篇主要讲述:

方式一：PromptTemplate(input_variables=[], template="Tell me a joke.")

方式二：template = "Tell me a {adjective} joke about {content}." prompt_template = PromptTemplate.from_template(template)，这种不用写input_variables。

角色有：

最后利用ChatPromptTemplate.from_messages(xxx)方法，整合这些角色，就构造出了，聊天机器人。

https://python.langchain.com/docs/modules/model_io/prompts/prompt_templates/