今天在做测试用例设计的时候，代码中用到了LangChain中的Prompt模板；
所以把这个功能的使用简单整理下，便于后续的使用。

1 关于Prompt Template

• 在 LangChain 中，Prompt 模板（Prompt Template）是管理提示词的重要工具；
• 可以动态生成提示词，避免重复编写相似的提示文本。

2 主要用法思路

• 导入必要的类：从langchain.prompts导入PromptTemplate；
• 定义模板字符串：包含需要动态替换的变量（用{变量名}表示）；
• 创建 PromptTemplate 实例：指定模板和变量列表
• 使用模板生成提示词：通过format()方法传入变量值。

3 一个示例

• 示例代码如下：

# 1. 导入PromptTemplate
from langchain.prompts import PromptTemplate

# 2. 定义模板字符串，包含变量{product}
template = "你是一名{product}工程师，请帮我设计{feature}的单元测试用例"

# 3. 创建PromptTemplate实例，指定模板和变量列表
prompt = PromptTemplate(
    input_variables=["product", "feature"],  # 变量名列表
    template=template  # 模板字符串
)

# 4. 格式化模板，传入具体值生成提示词
formatted_prompt = prompt.format(product="资深测试", feature="条件覆盖")

print(formatted_prompt)

• 输出如下：

你是一名资深测试工程师，请帮我设计条件覆盖的单元测试用例

4 如何生成带默认值的模版？

• 如果某些变量有默认值，可以使用PartialPromptTemplate；
• 但是PartialPromptTemplate已经被移除或重构了；
• LangChain 的 API 在不断迭代，一些早期版本的类会被调整；
• 目前最新的使用方法是使用prompt.partial()方法来实现部分变量填充的功能：

from langchain.prompts import PromptTemplate

template = "你是一名{role}工程师，请帮我设计{feature}用例，重点突出{style}的设计"

# 创建完整PromptTemplate
prompt = PromptTemplate(
    input_variables=["role", "feature", "style"],
    template=template
)

# 使用partial()方法设置默认值，生成部分填充的模板
partial_prompt = prompt.partial(style="条件覆盖")

# 后续只需传入剩余变量
full_prompt = partial_prompt.format(role="资深测试", feature="单元测试")
print(full_prompt)

• 输出如下：

你是一名资深测试工程师，请帮我设计单元测试用例，重点突出条件覆盖的设计

5 如何从文件加载模型

• 对于复杂的提示词，可以将模板内容保存到文件中：

# 假设template.txt文件内容为："分析{test}的主要优势和劣势。"
with open("template.txt", "r") as f:
    template = f.read()

prompt = PromptTemplate(
    input_variables=["test"],
    template=template
)

print(prompt.format(topic="软件测试"))

6 如何应用到聊天模版

• 可以使用ChatPromptTemplate：

from langchain.prompts import ChatPromptTemplate
from langchain.schema import HumanMessage, SystemMessage

# 定义系统消息和人类消息模板
system_template = "你是一个{role}，擅长{skill}。"
human_template = "请帮我{task}。"

chat_prompt = ChatPromptTemplate.from_messages([
    ("system", system_template),
    ("human", human_template)
])

# 格式化生成消息列表
messages = chat_prompt.format_messages(
    role="资深软件测试专家",
    skill="软件测试架构设计",
    task="设计一个高并发场景的用例设计"
)

# 输出的messages可直接传入聊天模型
for msg in messages:
    print(f"{msg.type}: {msg.content}")

• 输出：

system: 你是一个资深软件测试专家，擅长软件测试架构设计。
human: 请帮我设计一个高并发场景的用例设计。

7 使用总结

• Prompt 模板通过变量替换实现提示词的动态生成，提高复用性；
• PromptTemplate适用于普通文本提示，ChatPromptTemplate适用于聊天模型；
• 可以通过partial_variables设置默认值，或从文件加载复杂模板；
• 使用模板可以让提示词管理更清晰，尤其在需要多次生成相似提示时非常有用。