提示文章写完后目录可以自动生成如何生成可参考右边的帮助文档文章目录1.认识消息1.1 消息的内部结构1.6.3 多轮对话聊天机器人2.提示词模板(Prompt Templates)2.1 为什么推荐提示词模板2.2 提示词机制演进2.3 ChatPromptTemplate的使用2.4 高级特性1.认识消息1.1 消息的内部结构1.6.3多轮对话聊天机器人fromlangchain.chat_modelsimportinit_chat_modelimportosfromdotenvimportload_dotenv load_dotenv(overrideTrue)#定义保留最近对话轮数的函数defkeep_recent_messages(messages,max_pairs3): 保留最近的N轮对话 max_pairs : 保留对话的轮数 每轮 user assistant # 分离system 消息和对话消息system_messages[mforminmessagesifm.get(role)system]conversation_messages[mforminmessagesifm.get(role)!system]# 只保留最近的消息对recent_messagesconversation_messages[-(max_pairs*2):]# 返回系统消息和最近的消息对returnsystem_messagesrecent_messages# 1. 基础配置MODEL_NAMEgpt-5.4-miniMAX_PAIRS_HISTORY10EXIT_WORDquit# 2. 初始化模型modelinit_chat_model(modelMODEL_NAME,model_provideropenai,api_keyos.getenv(CLOSEAI_API_KEY),base_urlos.getenv(CLOSEAI_BASE_URL))# 3. 维护一个消息列表messages[{role:system,content:你是小谷姐姐也是一名耐心、友好的AI助手可以回答学的问题}]print(f请输入具体的问题当输入{EXIT_WORD}的时候结束对话)i1# 描述对话的轮数whileTrue:print(\n,*10,f第{i}轮对话开始,*10,\n)user_inputinput(请输入)# 判断是否结束当前会话ifuser_inputEXIT_WORD:print(会话已结束欢迎下次再来)break# 4. 将用户的信息添加到消息列表中messages.append({role:user,content:user_input})print(小谷姐姐,end,flushTrue)# 5. 拼接AI回复的消息信息reply_content#6. 优化历史记忆memory_messageskeep_recent_messages(messages,max_pairsMAX_PAIRS_HISTORY)# 7. 流式输出模型的响应forchunkinmodel.stream(memory_messages):ifchunk.content:print(chunk.content,end,flushTrue)reply_contentchunk.contentprint(\n,*10,f第{i}轮对话结束,*10,\n)i1# 8. 将模型的响应添加到消息列表messages.append({role:assistant,content:reply_content})importbase64fromlangchain.chat_modelsimportinit_chat_modelfromlangchain.messagesimportHumanMessagefromdotenvimportload_dotenvimportos load_dotenv(overrideTrue)modelinit_chat_model(modelgpt-5.4-mini,model_provideropenai,api_keyos.getenv(CLOSEAI_API_KEY),base_urlos.getenv(CLOSEAI_BASE_URL))defencode_image(img_path,img_typejpeg):将一张本地图片转换成 Base64 编码的 Data URI 字符串,方便在文本中嵌入图片数据withopen(img_path,rb)asimg_file:returnfdata:image/{img_type};base64,{base64.b64encode(img_file.read()).decode(utf-8)}# 图像路径img_pathimage_test.png# 获取图像base64编码字符串base64_imageencode_image(img_path)responsemodel.invoke([HumanMessage(content[{type:text,text:这张图里有什么},{type:image_url,image_url:base64_image,}])])print(response.content)举例1OpenAI模型fromlangchain.messagesimportHumanMessageimportosfromdotenvimportload_dotenv load_dotenv(overrideTrue)modelinit_chat_model(modelgpt-5.4-mini,model_provideropenai,api_keyos.getenv(CLOSEAI_API_KEY),base_urlos.getenv(CLOSEAI_BASE_URL))defencode_image(img_path):将一张本地图片转换成 Base64 编码的 Data URI 字符串,方便在文本中嵌入图片数据withopen(img_path,rb)asimg_file:returnbase64.b64encode(img_file.read()).decode(utf-8)# 图像路径img_pathimage_test.png# 获取图像base64编码字符串base64_imageencode_image(img_path)responsemodel.invoke([# 此种格式可用# HumanMessage(# content[# {type: text, text: 这张图里有什么},# {# type: image_url,# image_url: base64_image,# }# ]# )# 推荐的统一写法HumanMessage(content_blocks[{type:text,text:这张图里有什么},{type:image,base64:base64_image,mime_type:image/png,}])])print(response.content)举例2Anthropic模型importbase64fromlangchain.messagesimportHumanMessagefromdotenvimportload_dotenv load_dotenv(overrideTrue)modelinit_chat_model(modelclaude-haiku-4-5,model_provideropenai,api_keyos.getenv(CLOSEAI_API_KEY),base_urlos.getenv(CLOSEAI_BASE_URL))defencode_image(img_path):将一张本地图片转换成 Base64 编码的 Data URI 字符串,方便在文本中嵌入图片数据withopen(img_path,rb)asimg_file:returnbase64.b64encode(img_file.read()).decode(utf-8)# 图像路径img_pathimage_test.png# 获取图像base64编码字符串base64_imageencode_image(img_path)responsemodel.invoke([# 传统的写法使用content。读取失败# HumanMessage(# content[# {type: text, text: 这张图里有什么},# {# type: image_url,# image_url: base64_image,# }# ]# )# 推荐的统一写法HumanMessage(content_blocks[{type:text,text:这张图里有什么},{type:image,base64:base64_image,mime_type:image/png,}])])print(response.content)注意content_blocks是懒加载的即调用时才会解析。fromlangchain.chat_modelsimportinit_chat_modelfromdotenvimportload_dotenv load_dotenv()load_dotenv(overrideTrue)modelinit_chat_model(modeldeepseek:deepseek-v4-flash,extra_body{thinking:{type:enabled}},)responsemodel.invoke(你好一句话回答)print(*20,- response -,*20)print(response)print(*20,- response.content -,*20)print(response.content)print(*20,- response.content_blocks -,*20)print(response.content_blocks)-response-content你好有什么我可以为你做的吗additional_kwargs{refusal:None,reasoning_content:嗯用户要求“一句话回答”说明需要简洁直接的回应。目前用户只是打招呼说“你好”没有提出具体问题。根据常见对话开场白用户可能只是礼貌问候或者等待我先回应。考虑到“一句话回答”的指令可以用简单友好的问候语回复保持开放性让用户知道我可以提供帮助。}response_metadata{token_usage:{completion_tokens:78,prompt_tokens:8,total_tokens:86,completion_tokens_details:{accepted_prediction_tokens:None,audio_tokens:None,reasoning_tokens:69,rejected_prediction_tokens:None},prompt_tokens_details:{audio_tokens:None,cached_tokens:0},prompt_cache_hit_tokens:0,prompt_cache_miss_tokens:8},model_provider:deepseek,model_name:deepseek-v4-flash,system_fingerprint:fp_8b330d02d0_prod0820_fp8_kvcache_20260402,id:2f413c82-19af-4d07-aae7-7757867e5746,finish_reason:stop,logprobs:None}idlc_run--019e504f-4bc5-72a3-9762-9e3cc4a0bb46-0tool_calls[]invalid_tool_calls[]usage_metadata{input_tokens:8,output_tokens:78,total_tokens:86,input_token_details:{cache_read:0},output_token_details:{reasoning:69}}-response.content-你好有什么我可以为你做的吗-response.content_blocks-[{type:reasoning,reasoning:嗯用户要求“一句话回答”说明需要简洁直接的回应。目前用户只是打招呼说“你好”没有提出具体问题。根据常见对话开场白用户可能只是礼貌问候或者等待我先回应。考虑到“一句话回答”的指令可以用简单友好的问候语回复保持开放性让用户知道我可以提供帮助。},{type:text,text:你好有什么我可以为你做的吗}]2.提示词模板(Prompt Templates)2.1 为什么推荐提示词模板2.2 提示词机制演进2.3 ChatPromptTemplate的使用fromdotenvimportload_dotenvfromlangchain_core.promptsimportChatPromptTemplateimportosfromlangchain.chat_modelsimportinit_chat_model######1、提供大模型#########load_dotenv(overrideTrue)CLOSEAI_API_KEYos.getenv(CLOSEAI_API_KEY)CLOSEAI_BASE_URLos.getenv(CLOSEAI_BASE_URL)modelinit_chat_model(modelgpt-5.4-mini,model_provideropenai,api_keyCLOSEAI_API_KEY,base_urlCLOSEAI_BASE_URL)######2、提供提示词模板#########chat_prompt_templateChatPromptTemplate.from_messages([(system,你是一个友好的AI助手你的名字叫{name}),(human,你好最近怎么样),(ai,我很好谢谢),(human,{user_input})])# 调用prompt_valuechat_prompt_template.invoke({name:小智,user_input:2 2 })######3、模型调用#########responsemodel.invoke(prompt_value)print(response)2.4 高级特性