基于LangChain构建对话机器人：传递初始上下文与SystemMessage处理

LangChain完全支持通过SystemMessage传递初始上下文与指导，这也是针对支持聊天消息格式的大模型（如GPT系列）的推荐做法，相比纯文本Prompt模板，更贴合模型的原生对话设计逻辑。下面是具体的实现方案：

基础实现（带初始系统上下文） #

直接通过ChatPromptTemplate组合系统消息、对话历史与用户输入，示例代码如下：

from langchain.chat_models import ChatOpenAI
from langchain.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate, MessagesPlaceholder
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain

# 初始化大模型
llm = ChatOpenAI(temperature=0)

# 定义系统消息模板（初始上下文/指导）
system_template = """你是一个友好的AI助手，善于结合给定的上下文提供详细的回答。如果不知道问题的答案，请如实说明。"""
system_message_prompt = SystemMessagePromptTemplate.from_template(system_template)

# 构建聊天提示模板，包含系统消息、对话历史、用户输入
chat_prompt = ChatPromptTemplate.from_messages([
    system_message_prompt,
    MessagesPlaceholder(variable_name="history"),  # 对话历史占位符
    HumanMessagePromptTemplate.from_template("{input}")  # 用户输入模板
])

# 初始化对话链，搭配记忆组件
conversation = ConversationChain(
    prompt=chat_prompt,
    llm=llm,
    verbose=True,
    memory=ConversationBufferMemory(return_messages=True)  # 需设置return_messages=True适配聊天消息格式
)

# 发起对话
response = conversation.predict(input="你好，介绍下你自己")
print(response)

对应原示例代码的改造版本 #

如果你要替换原示例中的纯文本PromptTemplate，只需把原模板里的系统提示部分提取为SystemMessage，其余对话历史和用户输入逻辑保留：

from langchain.chat_models import ChatOpenAI
from langchain.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, MessagesPlaceholder, HumanMessagePromptTemplate
from langchain.memory import ConversationBufferMemory
from langchain.chains import ConversationChain

llm = ChatOpenAI(temperature=0)

# 原示例中的系统提示转为SystemMessage
system_template = """The following is a friendly conversation between a human and an AI. The AI is talkative and provides lots of specific details from its context. If the AI does not know the answer to a question, it truthfully says it does not know."""
system_message_prompt = SystemMessagePromptTemplate.from_template(system_template)

chat_prompt = ChatPromptTemplate.from_messages([
    system_message_prompt,
    MessagesPlaceholder(variable_name="history"),
    HumanMessagePromptTemplate.from_template("{input}"),
])

# 记忆组件需设置ai_prefix并开启return_messages=True
conversation = ConversationChain(
    prompt=chat_prompt,
    llm=llm,
    verbose=True,
    memory=ConversationBufferMemory(ai_prefix="AI Assistant", return_messages=True)
)

# 测试对话
response = conversation.predict(input="Hi, how are you?")
print(response)

关键注意点 #

• 使用聊天消息格式时，记忆组件必须设置return_messages=True，这样记忆会以消息对象形式存储，适配ChatPromptTemplate的要求。
• SystemMessage优先级通常高于后续的用户/助手消息，能稳定为AI提供核心行为指导，适合定义机器人角色、回答规则等初始上下文。

内容的提问来源于stack exchange，提问作者macro_controller