核心作用
通过 模板字符串 + 变量 的方式规范化生成提示词，避免手动拼接字符串导致的语法错误或格式混乱。
创建实例
类直接创建
python
from langchain_core.prompts import PromptTemplate
prompt_template = PromptTemplate(
# template：含变量占位符的模板字符串
template="将【{source_content}】翻译成{target_language}",
# partial_variables（可选）：提前固定部分变量值
partial_variables={"target_language": "英文"}
)2. from_template 快捷创建
自动解析模板字符串中的变量，无需手动指定 input_variables，更简洁高效。
python
from langchain_core.prompts import PromptTemplate
# 自动解析变量：source_content、target_language
prompt_template = PromptTemplate.from_template(
"将【{source_content}】翻译成{target_language}"
)
# 后续补充预填充变量（需重新赋值，因 partial 返回新实例）
prompt_template = prompt_template.partial(target_language="英文")实例属性
template
核心属性，含 {变量名} 占位符的模板字符串，定义提示词的基础结构。
input_variables
待填充变量的名称列表（如 ["source_content", "target_language"]），未手动指定时，框架会自动解析 template 中的变量生成列表。
partial_variables
预填充变量的键值对字典，用于提前固定部分通用/全局变量（如固定翻译目标语言），减少后续重复填充操作。
input_types
指定待填充变量的值类型（如 {"count": int}），用于校验输入变量的类型合法性，默认所有变量均为字符串类型。
实例方法
partial
python
(method) def partial(**kwargs: str | (() -> str)) -> BasePromptTemplate功能
为实例设置或补充 partial_variables（预填充变量），实现部分变量的固定。
参数
**kwargs：键值对参数，键为变量名，值为变量值（支持字符串或无参函数返回字符串）
返回值
返回 BasePromptTemplate 实例（PromptTemplate 的父类），原实例不会被修改，需重新赋值才能使用新的预填充配置。
示例
python
from langchain_core.prompts import PromptTemplate
prompt_template = PromptTemplate.from_template("我是{name}")
# 设置预填充变量 name，接收返回的新实例
prompt_template = prompt_template.partial(name="张三")format
python
def format(**kwargs: Any) -> str功能
填充所有未被 partial() 预填充的变量，生成可直接使用的最终提示词字符串。
参数
**kwargs：键值对参数，填充template中未被预填充的剩余变量
返回值
字符串类型的最终提示词。
示例
python
from langchain_core.prompts import PromptTemplate
prompt_template = PromptTemplate.from_template("我是{name}")
# 填充变量 name，生成提示词字符串
prompt_str = prompt_template.format(name="张三")
# 输出结果
print(prompt_str) # 输出：我是张三format_prompt
python
def format_prompt(**kwargs: Any) -> PromptValue功能
填充变量后，生成 LangChain 模型可直接接收的 PromptValue 对象（无需手动转换字符串）。
参数
**kwargs：键值对参数，填充未被预填充的剩余变量
返回值
PromptValue 对象（StringPromptValue 是其具体实现类），可直接传入 LangChain 模型的 invoke() 等方法。
示例
python
from langchain_core.prompts import PromptTemplate
prompt_template = PromptTemplate.from_template("我是{name}")
# 生成 PromptValue 对象
prompt = prompt_template.format_prompt(name="张三")invoke
python
def invoke(
input: dict,
config: RunnableConfig | None = None,
**kwargs: Any
) -> PromptValue功能
适配 LangChain 链式调用（Runnable 接口）的规范方法，生成 PromptValue 对象，主要用于流水线式的模型调用流程。
参数
-
input：字典类型，键为变量名，值为变量值（核心传参方式）； -
config：运行时配置（如超时时间、日志等级等）； -
**kwargs：额外的键值对变量（可补充input中未包含的变量）。
返回值
PromptValue 对象，可直接用于链式调用中的模型输入。
示例
python
from langchain_core.prompts import PromptTemplate
prompt_template = PromptTemplate.from_template("我是{name}")
# 正确传参：input 为字典
prompt = prompt_template.invoke(input={"name": "张三"})stream
与 invoke() 功能一致，均用于链式调用，区别在于：stream() 为流式返回 PromptValue 相关结果（适配流式模型调用场景），invoke() 为同步一次性返回结果。
关键注意事项
partial()方法不修改原实例，必须将返回值重新赋值，才能生效新的预填充配置；- 调用
format()/format_prompt()时，必须填充所有未被预填充的变量，否则会抛出变量缺失异常； invoke()方法的核心传参是input字典，而非直接传关键字参数；