【Agent智能体项目实战五】LangChain 提示词模板（PromptTemplate）极简实战：两种调用方式详解

一、前言

在使用大模型进行开发时，提示词模板 是最基础、最常用的功能。

本文以通义千问 + LangChain 为例，用一段最简单的宝宝起名代码，带你彻底搞懂：

什么是 PromptTemplate
如何定义带参数的提示词
format 手动调用
LCEL 链式调用（prompt | model）
流式输出与普通调用

全程只解析你给出的代码，不额外扩展，保证原汁原味、一看就会。

二、环境依赖

先安装必须的包：

bash 复制代码

pip install langchain langchain-core langchain-community dashscope

三、完整代码

python 复制代码

import os
from langchain_core.prompts import PromptTemplate
from langchain_community.llms.tongyi import Tongyi

# 设置 dashscope api key
os.environ["DASHSCOPE_API_KEY"] = "sk-你的API_KEY"
model = Tongyi(model="qwen-max")

# 方法一
prompt = PromptTemplate.from_template(
    "我的孩子姓{last_name}是个{gender}，帮我生成一个名字，简单回答"
)

# 调用.format方法，传入参数
prompt_text = prompt.format(last_name="王", gender="女")

# 使用stream方法流式输出
for chunk in model.stream(input=prompt_text):
    print(chunk, end="", flush=True)

# 方法二
chain = prompt | model
res = chain.invoke({"last_name": "赵", "gender": "女"})
print(res)

四、逐行代码解析

1. 导入模块

python 复制代码

import os
from langchain_core.prompts import PromptTemplate
from langchain_community.llms.tongyi import Tongyi

os：用于设置环境变量，存放 API Key
PromptTemplate：LangChain 最基础提示词模板类，用于做参数化提示
Tongyi：通义千问大模型封装，属于 langchain-community

2. 设置 API Key 并初始化模型

python 复制代码

os.environ["DASHSCOPE_API_KEY"] = "sk-你的API_KEY"
model = Tongyi(model="qwen-max")

将通义千问的 API Key 写入环境变量，供模型调用
Tongyi(model="qwen-max") 初始化大模型，使用qwen-max版本

3. 定义提示词模板

python 复制代码

prompt = PromptTemplate.from_template(
    "我的孩子姓{last_name}是个{gender}，帮我生成一个名字，简单回答"
)

这是本文核心：

PromptTemplate.from_template()：从字符串创建提示模板
{last_name}、{gender}：参数占位符，后续可动态传入
好处：提示词结构固定，只变参数，便于复用、维护

五、方法一：format + stream 手动调用

1. 格式化提示词

python 复制代码

prompt_text = prompt.format(last_name="王", gender="女")

.format()：把参数填入模板，生成最终完整提示词字符串
等价于：

"我的孩子姓王是个女，帮我生成一个名字，简单回答"

2. 流式输出

python 复制代码

for chunk in model.stream(input=prompt_text):
    print(chunk, end="", flush=True)

model.stream()：流式调用，逐字返回结果
优点：不用等全部生成完，实时输出，体验更流畅
end="" 和 flush=True 保证字一个接一个打出，不换行、不卡顿

六、方法二：LCEL 链式调用（推荐）

python 复制代码

chain = prompt | model
res = chain.invoke({"last_name": "赵", "gender": "女"})
print(res)

这是 LangChain 现代标准写法：

prompt | model：把模板和模型直接连成一条调用链
内部自动完成：
1. 模板接收参数
2. 自动 format
3. 传给模型
4. 返回结果
chain.invoke({...})：直接传入参数字典，一行调用

七、两种方法对比（总结）

方式	写法	优点	适用场景
format + stream	手动拼接，循环输出	灵活、可控、流式展示	界面实时输出、聊天界面
prompt｜model｜invoke	链式调用，简洁	代码极简、易读、易维护	业务逻辑、后台接口、批量调用

八、核心知识点（必看）

PromptTemplate 作用：把提示词参数化
{参数名} 是占位符，用 format 或 invoke 传参
stream 用于流式输出，体验更好
prompt | model 是 LangChain 标准链式写法，现代项目优先用

九、运行效果示例

复制代码

王雨桐
赵思雅