第02章：提示词和消息(Prompts & Messages) - 源码分析
📚 源码分析目标
- 分析ChatPromptTemplate的实现原理
- 理解消息格式化和占位符处理
- 掌握提示词模板的渲染机制
- 了解消息历史的处理方式
🔍 ChatPromptTemplate源码分析
模板类结构
python
# langchain_core/prompts/chat.py (简化版)
from typing import List, Tuple, Dict, Any
from langchain_core.messages import BaseMessage, HumanMessage, AIMessage, SystemMessage
from langchain_core.runnables import Runnable
class ChatPromptTemplate(Runnable[Dict[str, Any], List[BaseMessage]]):
"""聊天提示词模板"""
def __init__(self, messages: List[Tuple[str, str]]):
"""
messages: [("role", "template"), ...]
例如: [("system", "你是{role}"), ("user", "{input}")]
"""
self.messages = messages
self.input_variables = self._extract_variables()
def _extract_variables(self) -> set:
"""提取模板中的所有变量"""
variables = set()
for role, template in self.messages:
# 使用正则表达式提取 {variable} 格式的变量
import re
matches = re.findall(r'\{(\w+)\}', template)
variables.update(matches)
return variables
def format_messages(self, **kwargs) -> List[BaseMessage]:
"""格式化消息"""
formatted = []
for role, template in self.messages:
# 1. 渲染模板
content = template.format(**kwargs)
# 2. 创建对应的消息对象
if role == "system":
formatted.append(SystemMessage(content=content))
elif role == "user" or role == "human":
formatted.append(HumanMessage(content=content))
elif role == "assistant" or role == "ai":
formatted.append(AIMessage(content=content))
else:
# 默认使用HumanMessage
formatted.append(HumanMessage(content=content))
return formatted
def _invoke(self, input: Dict[str, Any], config: dict = None, **kwargs) -> List[BaseMessage]:
"""实现Runnable接口"""
return self.format_messages(**input)占位符处理
python
class ChatPromptTemplate:
"""支持占位符的提示词模板"""
def __init__(self, messages: List[Tuple[str, Any]]):
self.messages = messages
def format_messages(self, **kwargs) -> List[BaseMessage]:
"""格式化消息，支持占位符"""
formatted = []
for role, template in self.messages:
if isinstance(template, str):
# 普通字符串模板
content = template.format(**kwargs)
elif hasattr(template, "format"):
# 可格式化的对象（如另一个模板）
content = template.format(**kwargs)
elif isinstance(template, dict) and "placeholder" in template:
# 占位符：从kwargs中获取历史消息
placeholder_key = template["placeholder"]
history = kwargs.get(placeholder_key, [])
# 历史消息已经格式化，直接添加
formatted.extend(history)
continue
else:
content = str(template)
# 创建消息对象
msg = self._create_message(role, content)
formatted.append(msg)
return formatted
def _create_message(self, role: str, content: str) -> BaseMessage:
"""根据角色创建消息对象"""
if role == "system":
return SystemMessage(content=content)
elif role in ("user", "human"):
return HumanMessage(content=content)
elif role in ("assistant", "ai"):
return AIMessage(content=content)
else:
return HumanMessage(content=content)🔄 消息格式化流程
完整流程
python
# 用户代码
prompt = ChatPromptTemplate([
("system", "你是{role}"),
("user", "{input}")
])
messages = prompt.format_messages(role="助手", input="你好")
# 内部执行流程：
# 1. prompt.format_messages(role="助手", input="你好")
# ↓
# 2. 遍历messages列表
# ↓
# 3. 对每个模板：
# - ("system", "你是{role}") -> "你是助手" -> SystemMessage
# - ("user", "{input}") -> "你好" -> HumanMessage
# ↓
# 4. 返回 [SystemMessage(...), HumanMessage(...)]流程图
字符串
占位符
对象
是
否
format_messages
遍历模板列表
模板类型
format格式化
从kwargs获取
调用format方法
创建消息对象
添加到结果列表
还有模板?
返回消息列表
💡 实际代码案例
案例1：自定义提示词模板
python
from langchain_core.prompts import ChatPromptTemplate
from langchain_core.messages import BaseMessage, SystemMessage, HumanMessage
from typing import List, Dict, Any
class CustomPromptTemplate:
"""自定义提示词模板，支持条件逻辑"""
def __init__(self, base_template: str, conditions: Dict[str, str] = None):
self.base_template = base_template
self.conditions = conditions or {}
def format(self, **kwargs) -> str:
"""格式化模板"""
# 应用条件逻辑
for condition, template in self.conditions.items():
if self._evaluate_condition(condition, kwargs):
return template.format(**kwargs)
# 使用基础模板
return self.base_template.format(**kwargs)
def _evaluate_condition(self, condition: str, kwargs: Dict) -> bool:
"""评估条件（简单实现）"""
# 例如: "length > 100" -> len(kwargs.get("input", "")) > 100
try:
return eval(condition, {"kwargs": kwargs, **kwargs})
except:
return False
# 使用
template = CustomPromptTemplate(
base_template="回答：{input}",
conditions={
"len(kwargs.get('input', '')) > 100": "请简要回答：{input}",
"kwargs.get('urgent', False)": "紧急！请立即回答：{input}"
}
)
result1 = template.format(input="短问题")
result2 = template.format(input="这是一个很长很长的问题..." * 10)
print(result1) # 回答：短问题
print(result2) # 请简要回答：这是一个很长很长的问题...案例2：消息历史管理器
python
class MessageHistory:
"""消息历史管理器"""
def __init__(self, max_history: int = 10):
self.history: List[BaseMessage] = []
self.max_history = max_history
def add(self, message: BaseMessage):
"""添加消息"""
self.history.append(message)
# 限制历史长度
if len(self.history) > self.max_history:
# 保留系统消息和最近的对话
system_messages = [m for m in self.history if isinstance(m, SystemMessage)]
recent_messages = self.history[-self.max_history+len(system_messages):]
self.history = system_messages + recent_messages
def get_all(self) -> List[BaseMessage]:
"""获取所有历史消息"""
return self.history.copy()
def get_recent(self, n: int = 5) -> List[BaseMessage]:
"""获取最近的n条消息"""
return self.history[-n:] if len(self.history) > n else self.history
def clear(self):
"""清空历史（保留系统消息）"""
system_messages = [m for m in self.history if isinstance(m, SystemMessage)]
self.history = system_messages
def to_dict_list(self) -> List[Dict]:
"""转换为字典列表（用于API调用）"""
result = []
for msg in self.history:
if isinstance(msg, SystemMessage):
result.append({"role": "system", "content": msg.content})
elif isinstance(msg, HumanMessage):
result.append({"role": "user", "content": msg.content})
elif isinstance(msg, AIMessage):
result.append({"role": "assistant", "content": msg.content})
return result
# 使用
history = MessageHistory(max_history=5)
# 添加系统消息
from langchain_core.messages import SystemMessage, HumanMessage, AIMessage
history.add(SystemMessage(content="你是一个助手"))
# 模拟对话
history.add(HumanMessage(content="你好"))
history.add(AIMessage(content="你好！有什么可以帮助你的？"))
history.add(HumanMessage(content="我的名字是张三"))
print(f"历史长度: {len(history.get_all())}")
print(f"最近2条: {[m.content[:20] for m in history.get_recent(2)]}")案例3：提示词模板缓存
python
from functools import lru_cache
from typing import Tuple
class CachedPromptTemplate(ChatPromptTemplate):
"""带缓存的提示词模板"""
def __init__(self, messages: List[Tuple[str, str]], cache_size: int = 128):
super().__init__(messages)
self._format_cache = {}
self.cache_size = cache_size
def format_messages(self, **kwargs) -> List[BaseMessage]:
"""带缓存的格式化"""
# 创建缓存键（基于kwargs的排序元组）
cache_key = tuple(sorted(kwargs.items()))
# 检查缓存
if cache_key in self._format_cache:
# 返回缓存的副本（避免修改缓存）
cached = self._format_cache[cache_key]
return [type(msg)(content=msg.content) for msg in cached]
# 格式化并缓存
formatted = super().format_messages(**kwargs)
# 限制缓存大小
if len(self._format_cache) >= self.cache_size:
# 删除最旧的条目（简单FIFO）
oldest_key = next(iter(self._format_cache))
del self._format_cache[oldest_key]
self._format_cache[cache_key] = formatted
return formatted
# 使用
prompt = CachedPromptTemplate([
("system", "你是{role}"),
("user", "{input}")
])
# 第一次调用：格式化并缓存
messages1 = prompt.format_messages(role="助手", input="你好")
# 第二次调用：从缓存获取（相同参数）
messages2 = prompt.format_messages(role="助手", input="你好")
print(messages1 == messages2) # True（内容相同）🎓 关键源码要点总结
- ChatPromptTemplate: 使用元组列表定义模板结构
- 变量提取: 通过正则表达式提取模板变量
- 消息创建: 根据角色自动创建对应的消息类型
- 占位符支持: 支持从kwargs获取历史消息
- Runnable接口: 模板本身也是Runnable，可以链式调用
📚 参考源码位置
langchain_core/prompts/chat.py- ChatPromptTemplate实现langchain_core/messages/base.py- 消息类型定义langchain_core/prompts/base.py- 基础提示词类