Langchain中from_messages等函数释义、适用场景及参考资源咨询

1. from_template（PromptTemplate类方法） #

• 简化解释：用带占位符的字符串快速生成普通文本提示模板，模板里用{变量名}标记需要后续填充的内容。
• 适用场景：单轮无角色区分的简单提示场景，比如直接让AI总结文本、生成文案，不需要区分系统/用户身份。
• 使用原因：写法极简，无需复杂结构，适合快速创建可复用的基础提示模板。
• 示例代码：

from langchain_core.prompts import PromptTemplate
prompt = PromptTemplate.from_template("请把这段文本翻译成英文：{chinese_text}")

2. from_messages（ChatPromptTemplate类方法） #

• 简化解释：用多轮对话消息列表创建聊天式提示模板，每条消息要指定角色（系统/用户/AI）和内容，同样支持{变量名}占位。
• 适用场景：多轮对话场景，比如需要先给AI设定身份（系统消息），再传递用户的历史提问，让AI基于上下文回复。
• 使用原因：完全贴合大模型的聊天接口输入格式，能准确传递对话角色和上下文逻辑，避免AI误解对话场景。
• 示例代码：

from langchain_core.prompts import ChatPromptTemplate
prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个资深的Python开发工程师，回答要简洁易懂"),
    ("user", "请解释{concept}的用法")
])

3. format（PromptTemplate/ChatPromptTemplate通用方法） #

• 简化解释：把模板里的占位变量替换成具体值，最终输出纯文本字符串。
• 适用场景：对接只接受纯文本输入的模型，或者需要手动修改、拼接提示文本的场景。
• 使用原因：输出格式简单直接，不需要处理结构化消息，适合轻量化的文本提示需求。
• 示例代码：

# 普通模板调用
text_result = prompt.format(chinese_text="今天天气很好")
# 聊天模板调用
chat_text_result = prompt.format(concept="列表推导式")

4. format_messages（ChatPromptTemplate专属方法） #

• 简化解释：替换模板变量后，输出结构化的聊天消息列表（每条消息包含角色标识和对应内容）。
• 适用场景：对接GPT系列、Claude等支持聊天消息格式的大模型，多轮对话必须保留角色区分的场景。
• 使用原因：严格符合聊天模型的输入规范，能让模型精准识别各角色的消息，保证对话上下文的连贯性。
• 示例代码：

structured_messages = prompt.format_messages(concept="列表推导式")
# 输出示例：[SystemMessage(content='你是一个资深的Python开发工程师，回答要简洁易懂'), HumanMessage(content='请解释列表推导式的用法')]

补充说明 #

可以结合官方文档里的代码示例，自己动手调试几次，对比不同方法的输出结果，更容易理解它们的差异和适用场景。

内容的提问来源于stack exchange，提问作者Venkata Sai Krishna Abbaraju