LangChain4j框架（三）核心接口使用（3）Prompt 构建（指令对话）

一、Prompt

1、定义

在 LangChain4j 或大语言模型（LLM）的使用中，Prompt 指的是给模型的输入文本，用来告诉模型"你要做什么、怎么做"。它是 LLM 工作的核心，因为模型的输出完全依赖于你给的 prompt。

使用建议：

• 清晰明确：越具体，模型输出越准确

• 指令 + 上下文结合：系统指令 + 用户消息 + 记忆

• 可复用模板 ：用 PromptTemplate 可以批量生成 prompt，提高开发效率

• 控制长度：避免 prompt 太长导致 token 超限

2、核心作用

• 定义任务：告诉模型你想要做什么（生成文本、回答问题、翻译、摘要、代码等）

• 提供上下文：包含对话历史、系统指令或外部信息

• 控制风格/格式：指定输出的语气、格式或结构（如 JSON、Markdown、代码块等）

3、常用场景

场景	Prompt 的作用	示例
问答	给模型问题和上下文，让它回答	"请根据下面的文档回答问题：..."
翻译	指定源语言、目标语言	"将下面英文翻译成中文：..."
摘要	告诉模型对文本做压缩总结	"请将以下文章总结成 3 点要点：..."
代码生成/辅助编程	指定功能或需求，让模型生成代码	"请用 Java 写一个 HTTP 请求工具类：..."
多轮对话	提供对话历史，让模型延续上下文	"用户: ... AI: ... 用户: ... 继续回答"
格式化输出	指定输出格式，如 JSON 或表格	"请将以下数据转成 JSON：..."
指令执行	让模型执行某种操作或决策	"你是一个数学老师，请解释这个公式：..."

4、类型

• 系统级 Prompt（System Prompt）

  • 定义模型角色和行为

  • 示例："你是一个经验丰富的 Java 开发专家"

• 用户级 Prompt（User Prompt）

  • 用户提问或请求的内容

  • 示例："帮我写一个快速排序的实现"

• 上下文 Prompt（Context / Memory）

  • 来自 Memory 的对话历史或外部数据

  • 示例：模型在生成回答时参考最近 5 条消息或摘要

• 模板 Prompt（PromptTemplate）

  • 可以用变量动态生成 Prompt

  • 示例："请将文本 {text} 翻译成中文"，然后替换 {text}

5、实现方法

简单地说，就是把上面的mode.generate改成model.chat，

• chat() = 对话专用，更容易处理上下文和多轮

• generate() = 生成专用，灵活且可处理非对话任务

特性	chat()	generate()
主要用途	对话 / 聊天	通用文本生成
输入	单条 prompt 或消息列表（Message）	prompt 或 PromptSequence
输出	单条文本 / ChatResult	Generation 对象，可包含多条候选
支持多轮对话	✅ （结合 Memory）	❌ （一般用于单轮生成）
适用场景	聊天机器人、对话应用	批量文本生成、问答、指令执行、填空任务

5.1 单轮Prompt

import dev.langchain4j.model.chat.ChatMessage;
import dev.langchain4j.model.chat.openai.OpenAiChatModel;

public class PromptExample {

    public static void main(String[] args) {
        OpenAiChatModel model = OpenAiChatModel.builder()
                .apiKey("你的OPENAI_API_KEY")
                .model("gpt-3.5-turbo")
                .build();

        // 用户 Prompt
        String prompt = "请帮我写一段 Java 方法，用于计算数组的平均值";

        // 调用模型
        String response = model.chat(prompt).getText();

        System.out.println("模型输出：\n" + response);
    }
}

5.2 多轮对话 + 窗口记忆

import dev.langchain4j.memory.MessageWindowMemory;
import dev.langchain4j.model.chat.openai.OpenAiChatModel;

public class MultiTurnPromptExample {

    public static void main(String[] args) {
        OpenAiChatModel model = OpenAiChatModel.builder()
                .apiKey("你的OPENAI_API_KEY")
                .model("gpt-3.5-turbo")
                .build();

        // 创建短期记忆，保存最近5条消息
        MessageWindowMemory memory = new MessageWindowMemory(5);

        // 用户第一条消息
        String userMessage1 = "你好，请帮我写一个 Java 方法计算数组平均值";
        memory.addUserMessage(userMessage1);

        // 调用模型
        String response1 = model.chat(memory.getMessages(), "生成方法代码").getText();
        memory.addAiMessage(response1);

        System.out.println("AI 第一次输出：\n" + response1);

        // 用户第二条消息
        String userMessage2 = "请加上异常处理，如果数组为空返回0";
        memory.addUserMessage(userMessage2);

        // 调用模型，传入 memory.getMessages() 保持上下文
        String response2 = model.chat(memory.getMessages(), "修改方法代码").getText();
        memory.addAiMessage(response2);

        System.out.println("AI 第二次输出：\n" + response2);
    }
}

5.3 PromptTemplate动态模板生成

import dev.langchain4j.prompt.PromptTemplate;

PromptTemplate template = PromptTemplate.builder()
        .template("请将下面的文本翻译成中文：\n{text}")
        .build();

String text = "Hello, how are you?";
String prompt = template.format(Map.of("text", text));

// 然后像之前一样调用模型
String response = model.chat(prompt).getText();
System.out.println(response);

二、demo

前面的代码，使用prompt看下效果：

再把generate改成chat