# tutorial_space

**Repository Path**: wangzz_felix/tutorial_space

## Basic Information

- **Project Name**: tutorial_space
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-04-17
- **Last Updated**: 2026-04-17

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

#### 模型调用方法

##### 对话模型
1. HumanMessage: 
2. AIMessage:
3. SystemMessage:
4. ToolMessage/FunctionMessage
5. ChatMessage

## PromptTemplate提示词模板
1. PromptTemplate: 文本生成模型提示词模板
2. ChatPromptTemplate: 聊天模型提示词模板
3. HumanMessagePromptTemplate: 人类消息提示词模板
4. SystemMessagePromptTemplate: 系统消息提示词模板
5. FewShotPromptTemplate: few-shot提示词模板 
6. PipelinePrompt: 管道提示词模板，用于将几个提示词组合

#### 提示词方法
* invoke: 格式化提示词模板为PromptValue
  * invoke()是LangChain Expression Language(LCEL统一执行入口，用于执行任意可运行对象(Runnable)，返回PromptValue对象可用.to_string()或.to_message()查看内容)
* format: 格式化提示词模板为字符串
* partial: 格式化提示词模板为一个新的提示词模板，可继续格式化

#### 对话提示词模板（ChatPromptTemplate)
> ChatPromptTemplate是专为聊天模型(gpt-3.5-turbo等)设计的提示词模板
> 支持构造多轮对话的消息结构，每条消息可指定角色(system/user/ai)
> 参数： role & content

##### 调用from_messages(★)
```js
chat_prompt = ChatPromptTemplate.from_messages([
    ("system", "你是一个{role}，请回答我提出的问题"),
    ("human", "请回答: {query}")
])
```
#### 提示词方法
除了format、partial、invoke方法外，ChatPromptTemplate还支持以下方法：
* format_messages
* format_prompt

##### format_messages
作用：将模板变量替换之后，直接生成消息列表（List[BaseMessage]）
包含：SystemMessage、HumanMessage、AIMessage

手动查看\调试Prompt的最终消息结构

#### format_prompt
作用：生成一个PromptValue对象，抽象层次更高的封装
* PromptTemplate(单纯文本)， 返回StringPromptTemplate
* ChatPromptTemplate(多轮对话)，返回ChatPromptValue
PromptValue 有两个常用方法：
.to_string() → 转成文本
.to_messages() → 转成消息列表（同上）


#### BaseMessagePromptTemplate类型

LangChain提供不同类型的MessagePromptTemplate
* SystemMessagePromptTemplate - 系统消息
* HumanMessagePromptTemplate - 用户消息
  * 预定义 role="human" 无需手动指定角色
* AIMessagePromptTemplate - AI消息

ChatMessagePromptTemplate 用于构建聊天消息的模板，创建可重用消息模板，
可动态插入变量值来生成最终聊天

* system、human、ai
* 模板化：变量占位符，填充具体值
* 格式化：将模板和输入变量结合生成最终的聊天消息


#### 消息占位符提示词模板
> 不确定消息何时生成、不确定要插入几条消息
> 在提示词中添加聊天历史记忆
> ChatPromptTemplate添加MessagePlaceholder占位符
> 调用invoke时，占位符传入数据


##### 隐式使用MessagesPlaceholder
> "placeholder"是("placeholder", "memory") = MessagesPlaceholder("memory")

## Parser输出解析器

将LLM的原始输出内容解析为 JSON、XML、YAML等结构化数据

输出解析器在LLM和最终数据输出只见那，作为数据处理的中间层

指定格式输出：将模型的文本输出转换指定格式
数据校验：确保输出内容符合预期的格式和类型
错误处理：当解析失败时，进行错误修复和重试
输出格式提示词：生成对应格式要求的提示词，如要生成JSON的具体描述，可以通过提示词传递给大模型，达到返回特定格式数据的目的
StrOutputParser	简单文本输出	字符串
JsonOutputParser	JSON格式数据	字典/列表
PydanticOutputParser	复杂结构化数据	Pydantic模型对象
ListOutputParser	列表数据	Python列表
DatetimeOutputParser	时间日期数据	datetime对象
BooleanOutputParser	布尔值输出	True/False

##### parser方法
1. parser: 将大模型输出的内容，格式化成指定的格式返回。
2. format_instructions: 返回一段清晰的格式说明字符串，告诉 model 希望输出成什么格式（比如 JSON，或者特定格式