《2026 LangChain零基础入门：用AI应用框架快速搭建智能助手》第2课：PromptTemplate 与动态 Prompt —— 像变量一样灵活生成专业提示词

大家好，我是链上杯子（CSDN：链上杯子）。

失业一年了，天天想着怎么翻身。上节课用 LLMChain 跑通了第一个调用后，我最兴奋的是：原来 Prompt 可以像变量一样填！之前每次改一句都要重写代码，现在用 PromptTemplate，几行就能批量生成不同风格、不同长度的专业提示词。第一次把 few-shot 示例塞进去，看到模型输出瞬间变稳定，感觉像给 AI 加了个“遥控器”。

本课目标：
学会使用 PromptTemplate 创建可复用的提示词模板，支持变量填充、few-shot 示例、多语言切换。
学完这节课，你就能轻松生成结构化、专业级的 Prompt，不再手写拼接字符串。

核心代码实战

1. 最基础 PromptTemplate —— 变量填充

from langchain_openai import ChatOpenAI
from langchain_classic.prompts import PromptTemplate
from langchain_classic.chains import LLMChain

# 初始化模型（替换成你的真实 Key）
llm = ChatOpenAI(
    openai_api_key="",   # ←←← 这里替换成你的 DeepSeek API Key
    openai_api_base="https://api.deepseek.com/v1",
    model="deepseek-chat",
    temperature=0.7
)

# 创建模板（用 {变量名} 占位）
prompt_template = PromptTemplate.from_template(
    """你是一个{role}。
请帮我{task}。
风格要求：{style}。
字数控制在约{length}字。
请直接输出内容，不要多余解释。"""
)

# 组装链
chain = LLMChain(llm=llm, prompt=prompt_template)

# 运行时填充变量
result = chain.run(
    role="专业情感写手",
    task="写一段关于失恋后自我和解的治愈短文",
    style="温柔细腻，带点淡淡的温暖",
    length=350
)

print("生成的短文：")
print(result)

运行后模型会输出一段符合要求的短文。

小知识点：

• PromptTemplate.from_template() 是最常用创建方式，字符串里的 {} 会被替换。
• 变量名随意起，但要和 chain.run() 里的 key 对应。

2. 支持 Few-shot 示例 —— 让输出更稳定

from langchain_classic.prompts import PromptTemplate, FewShotPromptTemplate

# 示例数据（few-shot）
examples = [
    {
        "input": "失恋",
        "output": "那场雨下得像眼泪一样多，却洗不掉心里的影子。但雨停后，天空总会放晴。"
    },
    {
        "input": "重逢",
        "output": "多年后街角偶遇，你还是老样子，我却忘了怎么打招呼。"
    }
]

# 示例模板
example_prompt = PromptTemplate(
    input_variables=["input", "output"],
    template="输入：{input}\n输出：{output}\n"
)

# 创建 FewShotPromptTemplate
few_shot_prompt = FewShotPromptTemplate(
    examples=examples,
    example_prompt=example_prompt,
    prefix="你是一个情感短文写手。参考以下示例风格，写一段治愈短文。",
    suffix="输入：{topic}\n输出：",
    input_variables=["topic"],
    example_separator="\n"
)

# 完整 PromptTemplate（加 few-shot）
full_prompt = PromptTemplate.from_template(
    few_shot_prompt.format(topic="{topic}") + "\n字数约{length}字。"
)

chain = LLMChain(llm=llm, prompt=full_prompt)

result = chain.run(
    topic="错过的夏天",
    length=400
)

print("带 few-shot 的生成结果：")
print(result)

效果：模型会模仿示例的简短、诗意风格，而不是乱写。

3. 互动 + 多语言切换模板

from langchain_classic.prompts import PromptTemplate
from langchain_classic.chains import LLMChain

# 简单互动模板
template = """你是一个{role}。
请用{language}帮我{task}。
风格：{style}。
字数约{length}字。"""

prompt = PromptTemplate.from_template(template)

chain = LLMChain(llm=llm, prompt=prompt)

lang = input("输出语言（中文/英文/日文）：")
task = input("任务：")
role = input("角色：")
style = input("风格：")

result = chain.run(
    role=role,
    language=lang,
    task=task,
    style=style,
    length=300
)

print(f"\n{lang} 输出：")
print(result)

试试输入“英文”“写一段关于星空的诗”“诗人”“浪漫梦幻”。

小练习（2 道）

练习1（基础）
修改第1段模板，增加一行：“请以第一人称叙述。”
运行链，生成一段“关于雨中散步的回忆”短文。观察是否更贴合要求。

练习2（进阶）
扩展 few-shot 示例：再加 1–2 个你喜欢的风格示例（比如沙雕、硬核）。
修改 suffix 为“输入：{topic}\n输出：”，让用户输入 topic，运行链。
把生成的输出复制到任意地方，看 few-shot 是否让风格更一致。

本课小结

本课重点学习了 PromptTemplate 的创建与使用，支持变量填充、few-shot 示例、多语言切换。
相比手写字符串拼接，PromptTemplate 更结构化、可复用，是 LangChain 所有高级功能的基础。学会这个，你就能批量生成专业级提示词了。

下节预告

下一课：Chains 与 LCEL —— 把多个 Prompt 串成流水线，实现“先生成大纲 → 再写正文”等多步智能流程。

欢迎在评论区贴出你的 PromptTemplate 生成结果、few-shot 效果对比，或遇到的任何问题～
如果觉得这篇有用，欢迎点赞或关注，一起玩转 LangChain！