大模型提示词核心工作原理 prompts------language models(llm,chatModel)------output parsers prompts模板：大模型推理的关键 例子：我要去海南玩，请帮我做一份旅行攻略 优秀的提示词（非推理力类型）： 【立角色】：引导AI进入具体场景，赋予其行家身份 如：假如你是一名导游 【述问题】：告诉AI的困惑和问题，以及背景信息 如：预算1万元，旅行3人，3天 【定目标】：告诉AI的需求和达成的目标 比如：请帮我做一份旅行攻略 【补要求】：告诉AI回答时注意什么，或者如何回复 比如：注意我不喜欢网红景点，旅行不要太紧凑，推荐景点并且附上每个景点的价格 例子：假如你是一名导游，预算1万元，旅行3人，3天。请帮我做一份旅行攻略，注意我不喜欢网红景点，旅行不要太紧凑，推荐景点并且附上每个景点的价格。 prompts模板实战 1.字符串模板-promptsTemplate--llms(str类型用的比较少) promptsTemplate.form_template('你是一名足球裁判，帮我介绍一下足球规则') 2.对话模板-ChatPromptsTemplate--chatllms（主流） chatPromptsTemplate.form_messages([ {"system","是你一名足球裁判，你的名字叫李宁"}， {"human","你好李宁感觉如何"}, {"ai","你好！我状态ok"}, ]) 3.消息占位符 from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder from langchain_core.messages import HumanMessage prompt_template = ChatPromptTemplate([ ("system", "你是一个厉害的人工智能助手"), # 注意：这里应使用元组，而非字典 MessagesPlaceholder("msgs") # 正确放置在列表中 ]) result = prompt_template.invoke({"msgs": [HumanMessage(content="hi!")]}) print(result) 4.使用message组合模板 from langchain_core.messages import SystemMessage, HumanMessage, AIMessage # 1. 创建系统消息 sy = SystemMessage( content="你是一个起名大师", # 如果需要自定义元数据，应使用其他方式（见下文） ) # 2. 创建用户消息 hi = HumanMessage( content="请问大师叫什么？" ) # 3. 创建AI消息 ai = AIMessage( content="我叫陈瞎子" ) # 4. 组合成消息列表（正确用法） messages = [sy, hi, ai] # 查看结果 print("=== 消息列表 ===") for msg in messages: print(f"{msg.type}: {msg.content}") # 或者打印完整对象 print("\n=== 完整消息对象 ===") print(messages) 5.自定义提示词模板 6.提示词管理langSmith hub 管理提示词 https://smith.langchain.com/hub?organizationId=41c36868-ed65-4918-9554-dbf7a90b005e