掌握LangChain和LangGraph提示工程：小白也能轻松玩转大模型（收藏版）

随着AI发展，掌握LangChain和LangGraph的提示工程变得至关重要。本文介绍了如何使用这些工具进行多步骤推理、动态决策和上下文感知，并通过实例展示了字符串模板、聊天模板和MessagesPlaceholder的应用。通过学习这些技术，即使是编程小白也能成功构建AI应用，如客服机器人或数据分析工具。

datian1234

500人浏览 · 2026-02-13 09:00:00

datian1234 · 2026-02-13 09:00:00 发布

AI 的世界正在飞速演变，从简单的问答系统升级成了复杂、多步骤推理的智能代理。不管你是想打造客服机器人、数据分析工具，还是复杂的自动化工作流程，掌握 LangChain 和 LangGraph 的提示工程（Prompt Engineering）是你成功的关键！

🎯 为什么提示工程比以往任何时候都重要
传统的提示方式对简单任务还行，但现代 AI 应用需要：

• 多步骤推理 🧠
• 动态决策 ⚡
• 记忆与上下文感知 🧐
• 工具集成 🔧
• 错误处理与自我纠正 🔄

下面我们来聊聊 LangChain 和 LangGraph 怎么让这一切变成现实！

🏗️ 基础：LangChain 提示模板

1. 字符串模板 —— 基础入门 📝

适合简单、单一输入的场景：

from langchain_core.prompts import PromptTemplate

# 客服邮件生成器
email_template = PromptTemplate.from_template(
"""
    为以下情况撰写一封专业的客服邮件：

    客户问题：{issue}
    客户姓名：{customer_name}
    紧急程度：{urgency}

    语气：共情且以解决方案为导向
    包含：问题确认、解决方案步骤、后续跟进提议
    """
)
# 生成个性化回复
prompt = email_template.invoke({
"issue": "支付后无法访问高级功能",
"customer_name": "Sarah",
"urgency": "High"
})
print(prompt.to_string())

小贴士 💡：在模板中使用描述性的变量名和清晰的指令！

2. 聊天模板 —— 对话的超能力 💬

适合打造复杂的聊天体验：

from langchain_core.prompts import ChatPromptTemplate

# AI 编程导师设置
coding_mentor_template = ChatPromptTemplate.from_messages([
    ("system", """你是 Python 编程专家，你的教学风格是：
    • 耐心且鼓励
    • 提供清晰的解释和示例
    • 提出引导性问题帮助学生思考
    • 庆祝学生的进步和学习时刻
    """),
    ("user", "我在 {topic} 上有困难，能帮我理解 {specific_question} 吗？")
])
# 创建学习会话
chat_prompt = coding_mentor_template.invoke({
"topic": "列表推导式",
"specific_question": "什么时候用它，什么时候用普通循环"
})

3. 使用 MessagesPlaceholder 实现动态消息历史 📚

对保持对话上下文至关重要：

from langchain_core.prompts import ChatPromptTemplate, MessagesPlaceholder
from langchain_core.messages import HumanMessage, AIMessage

# 带记忆的项目管理助手
project_template = ChatPromptTemplate.from_messages([
    ("system", "你是项目管理助手，跟踪任务、截止日期和团队进展。"),
    MessagesPlaceholder(variable_name="conversation_history"),
    ("user", "{current_request}")
])
# 模拟对话历史
conversation_history = [
    HumanMessage(content="我们有个新项目：移动应用开发"),
    AIMessage(content="好的！已记录移动应用开发项目。时间线是怎样的？"),
    HumanMessage(content="我们需要在3个月内上线"),
    AIMessage(content="已记录3个月时间线。关键里程碑有哪些？")
]
# 继续对话
current_prompt = project_template.invoke({
"conversation_history": conversation_history,
"current_request": "添加任务：设计用户界面 mockups，下周五截止"
})