纲要

• 部分格式化概念：分步填充模板变量，打破“一次性提供所有变量”的限制
• PromptTemplate 的 partial 方法：
  • 静态值部分格式化：先填充已知变量，返回中间模板
  • 函数动态生成：通过无参函数在 format 时动态生成变量值
• 典型应用场景：异步数据注入、默认参数设置、动态上下文注入
• 完整可运行示例：包含静态与动态两种 Partial 用法（基于 langchain-core）
• 版本信息：适用 LangChain v0.1.0 及以上版本

引言

在构建提示词模板时，模板往往需要多个变量，而这些变量的值并非总是同时就绪。例如，一个变量来自用户输入，另一个变量需要从数据库异步查询，甚至需要动态生成当前时间。若直接调用 format 方法，则必须一次性传入所有参数，这会导致代码耦合度高、流程僵化，且难以适应异步编程场景。

LangChain 的 PromptTemplate 提供了 partial 方法，支持对模板进行“部分格式化”。开发者可以先填充已知变量，得到一个仍包含未填充变量的中间模板对象，待剩余变量就绪后再完成最终格式化。这种方式让提示词的构建过程更加灵活，也更契合现代 AI 应用中的异步与动态需求。

核心机制：PromptTemplate.partial

PromptTemplate.partial 方法返回一个新的 PromptTemplate 对象，该对象的 input_variables 列表中已移除被部分填充的变量，同时内部记录了已绑定的静态值或动态函数。在后续调用 format 时，这些预绑定的值会被自动合并，最终生成完整的提示词字符串。

方法签名（基于 langchain-core >= 0.1.0）：

PromptTemplate.partial(**kwargs: Any) -> PromptTemplate

• 参数：接受关键字参数，键为模板中的变量名，值可以是静态值（字符串、数字等）或可调用对象（无参函数）。
• 返回值：返回一个新的 PromptTemplate 实例，其 input_variables 属性已移除已部分填充的变量。

部分格式化的两种模式

静态值填充

若模板中的某些变量值可在较早阶段确定，而其余变量需等待运行时数据，可先调用 partial 提前注入已知值。得到的中间模板对象仍保留未填充变量，方便后续在合适的时机完成格式化。此过程不会立即生成字符串，而是保持模板的结构化状态，便于在流程中传递和组合。

函数动态生成

更常见的场景是某些变量需要在每次调用时动态计算，例如当前日期时间、随机 ID 或会话标识。通过将一个无参函数作为部分格式化的值，当最终调用 format 时，该函数会被自动执行，并将返回值填入模板对应位置。这样，每次生成的提示词都能反映最新的动态信息，且调用方无需关心该变量的生成逻辑。

完整可运行示例

以下代码演示了 partial 的两种用法，无需外部 API Key，可直接运行。

环境准备（安装依赖）：

pip install langchain-core>=0.1.0

核心代码：

from langchain_core.prompts import PromptTemplate
from datetime import datetime

# 定义一个包含两个变量的模板
template = "foo 的值为：{foo}，bar 的值为：{bar}"

# 创建 PromptTemplate 对象
prompt = PromptTemplate.from_template(template)

# ----- 示例1：静态值部分格式化 -----
# 先填充 foo，保留 bar 未填充
partial_prompt = prompt.partial(foo="foo_test")
print("部分格式化后的对象（此时尚未完全格式化）：")
print(partial_prompt)
print()

# 稍后获得 bar 的值，完成最终格式化
final_prompt = partial_prompt.format(bar="barzzz")
print("完全格式化后的提示词：")
print(final_prompt)
print()

# ----- 示例2：使用函数动态生成当前时间 -----
# 定义一个返回当前时间的函数
def get_current_time():
    return datetime.now().strftime("%Y-%m-%d %H:%M:%S")

# 新的模板：需要 adjective 和 date 两个变量
time_template = "给我讲一个{adjective}的笑话，日期是{date}"

time_prompt = PromptTemplate.from_template(time_template)

# 部分格式化：将 date 绑定到时间函数
time_partial = time_prompt.partial(date=get_current_time)

# 最终格式化时只需传入 adjective，date 会自动调用函数生成
joke_prompt = time_partial.format(adjective="有趣的")
print("带动态时间的提示词：")
print(joke_prompt)
print("再次执行，时间会变化（验证函数动态执行）：")
print(time_partial.format(adjective="有趣的"))

运行结果说明：

• 示例1中，final_prompt 输出中 foo 被替换为 foo_test，bar 被替换为 barzzz。
• 示例2中，两次输出的日期时间字符串会不同，验证了动态函数的实时执行。

API 速览 (API Overview)

方法/类	所属库	说明	适用版本
PromptTemplate.from_template	langchain_core.prompts	类方法，从字符串模板创建 PromptTemplate 实例	>=0.1.0
PromptTemplate.partial	langchain_core.prompts	部分填充模板变量，返回新的 PromptTemplate 对象	>=0.1.0
PromptTemplate.format	langchain_core.prompts	完成最终格式化，返回填充后的字符串	>=0.1.0

关键类型说明：

• PromptTemplate 对象包含 input_variables 属性，列出所有尚未填充的变量名。
• partial 方法的参数值可以是任何可调用对象（callable），但要求该可调用对象不接受参数，并返回一个可字符串化的值。

应用场景扩展

• 异步数据注入
  在异步流程中，部分变量来自用户请求，另一部分需要查询外部服务。可先 partial 填充已获取的请求参数，待异步结果返回后再调用 format 完成最终提示词组装，避免阻塞主流程。

• 默认参数设置
  可为模板的某些变量设定默认生成函数（如获取当前用户 ID、会话 Token），减少在每次调用时重复传递这些参数，简化调用链。

• 动态上下文管理
  在基于 LangChain 的 Chain 或 Runnable 流水线中，可将 partial 与 RunnableLambda 结合，在运行时动态注入上下文信息，实现更灵活的提示词编排策略。

参考文档

官方文档

• LangChain Core - Prompt Templates
• LangChain PromptTemplate API Reference

参考链接

• LangChain 官方文档 - Partial Prompt Templates
• LangChain Core GitHub 仓库

总结

PromptTemplate.partial 提供了一种优雅的方式，将提示词模板的格式化过程从“一次性全量填充”拆解为多个可组合的步骤。

这不仅使代码更适应异步和数据驱动的场景，还通过函数动态生成机制简化了时间戳、会话信息等动态变量的管理。

该特性在 LangChain v0.1.0 及以上版本中稳定支持，是构建灵活、可维护的提示词工程的核心工具之一。