作为一名后端开发者，你可NengYi经迫不及待地想在自己的NestJS项目中接入像LangChain这样强大的框架了。说实话，直接把字符串硬编码在代码里发给大模型，虽然刚开始觉得挺爽，但一旦项目复杂起来维护起来简直就是一场灾难。这时候，Prompt Template就成了你的救命稻草。今天咱们就抛开那些枯燥的官方文档，用一种geng接地气的方式，深入聊聊在NestJS环境下到底该怎么优雅地玩转LangChain的Prompt模板。

为什么我们需要Prompt Template？

想象一下你正在开发一个智Neng客服系统。Ru果每次用户提问，你dou要手写一段“请你作为一个客服人员，回答用户关于...的问题”，这不仅累，而且极易出错。Prompt Template本质上就是一种“填空题”的逻辑。它把那些固定的指令封装起来只留出几个“坑”让你在运行时动态填入。这不仅让代码整洁了不少，还Neng复用逻辑，何乐而不为呢？

在LangChain的世界里Zui核心的两种模板形式莫过于 PromptTemplate 和 ChatPromptTemplate。虽然它们名字听起来hen像，但用法和适用场景却有着天壤之别。咱们一个一个来拆解。

基础篇：PromptTemplate 的使用

登场的是 PromptTemplate。这是Zui基础的形式，它主要用于生成纯文本字符串。当你不需要区分消息角色，只是单纯想给LLM发送一段指令时它就是你的首选。

在NestJS的服务层中，我们通常会这样引入它：

import { PromptTemplate } from '@langchain/core/prompts';
async demonstrateBasicUsage: Promise {
  // 1. 定义模板字符串，用花括号 {variable} 标记变量位置
  const templateString = '请针对{topic}这个领域，给我写一篇关于{type}的简短介绍。';
  // 2. 实例化模板对象，并告知它有哪些变量需要填充
  const promptTemplate = new PromptTemplate({
    template: templateString,
    inputVariables: ,
  });
  // 3. 使用 format 方法填充变量，生成Zui终的提示词
  // 注意：在NestJS中，format 方法是同步的，不需要 await
  const finalPrompt = promptTemplate.format({
    topic: '量子力学',
    type: '科普向'
  });
  console.log;
  // 输出: 生成的提示词: 请针对量子力学这个领域，给我写一篇关于科普向的简短介绍。
}

kan到这里你可Neng会问，每次dou要 new 一个实例，还要手动列 inputVariables，是不是有点太繁琐了？别急，LangChain也提供了一个geng便捷的静态方法 .fromTemplate，它Neng自动帮你识别模板里的变量名，省去了不少敲键盘的功夫。

const quickTemplate = PromptTemplate.fromTemplate(
  '请简要评价{product}在{aspect}方面的表现。'
);
const promptValue = quickTemplate.format;

进阶篇：ChatPromptTemplate 的角色扮演

现在的LLM大多是基于Chat模型的，它们geng习惯处理“对话”结构，而不是一大段纯文本。这时候，ChatPromptTemplate 就该闪亮登场了。它允许我们定义不同角色的消息，比如 System、Human和 AI。

在NestJS中，构建一个多角色的对话模板非常直观。我们Ke以使用 fromMessages 方法，传入一个元组数组，每个元组定义了角色和内容。

import { 
  ChatPromptTemplate, 
  SystemMessagePromptTemplate, 
  HumanMessagePromptTemplate 
} from '@langchain/core/prompts';
async createChatPrompt {
  // 使用 fromMessages 静态方法构建
  const chatTemplate = ChatPromptTemplate.fromMessages(,
  ]);
  // 调用 invoke 方法，注意这里是异步的！
  // invoke 返回的是一个 ChatPromptValue 对象，里面包含了格式化后的消息数组
  const result = await chatTemplate.invoke({
    name: '阿强',
    question: 'React Hooks 的依赖项数组到底该怎么填？'
  });
  console.log;
}

这里有个细节需要特别注意：invoke 是异步方法，必须使用 await。Ru果你直接打印 result，可Neng会kan到一个 Promise 对象而不是你想要的结果。另外result.messages 就是我们Zui终传给大模型的 BaseMessage 数组，里面包含了 SystemMessage 和 HumanMessage 实例。

三种调用方式的区别

在实际开发中，我发现hen多同学对 ChatPromptTemplate 的几个调用方法容易混淆。其实它们的主要区别在于返回值类型和是否异步：

.invoke: 异步。返回 ChatPromptValue 对象。这是Zui标准的 LangChain Runnable 接口调用方式，适合直接链式传递给 LLM。

.formatMessages: 异步。直接返回 BaseMessage 数组。Ru果你只需要消息列表而不需要包装对象，用这个hen方便。

.format: 同步。返回纯文本字符串。它会将所有消息拼接成一个字符串，通常用于调试或者不需要消息结构的场景。

// 演示三种方式的区别
const template = ChatPromptTemplate.fromMessages(,
]);
// 1. invoke 
const val1 = await template.invoke; 
// 2. formatMessages 
const val2 = await template.formatMessages;
// 3. format 
const val3 = template.format;

高级技巧：部分变量填充

有时候，我们会有这样的需求：一个模板里有五个变量，但其中三个是固定的，只有两个是每次请求dou不一样的。Ru果每次dou要把这三个固定的变量传一遍，那代码冗余度就太高了。

LangChain 提供了 partial 功Neng，专门解决这个问题。我们Ke以预先填充一部分变量，生成一个新的“半成品”模板。

方式一：构造函数中的 partialVariables

在创建模板时就Ke以通过 partialVariables 参数指定预填充的值。

const partialTemplate = new PromptTemplate({
  template: '请评价{product}的优缺点，重点关注{aspect1}和{aspect2}。',
  inputVariables: , // 只需要声明剩余未填充的变量
  partialVariables: {
    aspect1: '电池续航' // 预先固定这个值
  }
});
// 使用时只需传 product 和 aspect2
const promptA = partialTemplate.format({ 
  product: '某品牌手机', 
  aspect2: '屏幕显示' 
});

方式二：链式调用 .partial

Ru果你Yi经有一个完整的模板对象，也Ke以直接调用 .partial 方法。这在动态配置场景下非常有用。

const baseTemplate = PromptTemplate.fromTemplate(
  '请分析{target}在{season}的表现，主要kan{metric}。'
);
// 动态生成一个只关注“春季”和“销售额”的模板
const seasonalTemplate = await baseTemplate.partial({
  season: '春季',
  metric: '销售额'
});
// 后续调用只需传入 target
const promptB = seasonalTemplate.format;

动态消息列表：MessagesPlaceholder

在构建聊天机器人时我们经常需要把用户的“历史聊天记录”塞给模型，让它Neng记住上下文。但是历史记录的长度是不确定的，这时候普通的模板变量就不够用了。

这时候，MessagesPlaceholder 就派上用场了。它就像一个特殊的占位符，告诉模板：“嘿，这里到时候我会塞给你一整个消息列表，你别管有多少条，全部放进去就行。”

import { MessagesPlaceholder } from '@langchain/core/prompts';
async createHistoryPrompt {
  const historyTemplate = ChatPromptTemplate.fromMessages(,
    // 👇 这里放一个占位符，变量名是 'chat_history'
    new MessagesPlaceholder,
  ]);
  const result = await historyTemplate.invoke({
    name: '小智',
    // 这里传入一个包含历史消息的数组
    chat_history: ,
    input: "我刚才说我叫什么？"
  });
  console.log;
}

这种结构非常灵活，因为它允许你在 System 指令和当前用户输入之间，插入任意长度的对话历史。这是实现具备记忆功NengAI应用的关键一步。

少样本提示

除了上述的结构化技巧，LangChain 还支持“少样本提示”。简单来说就是通过给模型kan几个例子，让它学会怎么回答。这在处理复杂任务时效果奇佳。

虽然这部分逻辑稍微复杂一点，通常涉及到 ExampleSelector，但其核心思想依然是模板化。你Ke以把“例子”kan作是一种特殊的变量填充。每个例子通常是一个字典，键对应输入变量，值对应具体的输入和输出。

比如你想让模型学会Zuo“情感分析”，你Ke以构建一个包含正面、负面例子的模板。虽然这里不展开具体的代码实现，但理解了“用例子来教模型”这个逻辑，配合前面提到的 PromptTemplate，你就Neng组合出非常强大的提示词策略。

与避坑指南

在NestJS中使用LangChain的Prompt模板，其实就是在Zuo“结构化”的工作。把混乱的自然语言指令，变成代码中可维护、可复用的对象。

Zui后再强调几个开发中容易踩的坑：

异步与同步的混淆在NestJS里invoke 和 formatMessages 是异步的，千万别忘了 await，否则你拿到的只是一个 Promise 对象，直接传给 LLM 会报错。

变量名匹配模板里的 {variable} 必须与 inputVariables 数组或者调用时传入的对象键名完全一致，少一个字母dou不行。

消息类型的选择Ru果你是在Zuo聊天机器人，优先使用 ChatPromptTemplate；Ru果只是简单的文本补全，用 PromptTemplate 就够了。别把简单的事情复杂化。

掌握了这些，你就Neng在NestJS中构建出既灵活又强大的AI应用了。别光kan，赶紧去你的项目里试试吧！

---