langchain中有SystemMessagePromptTemplate 和 HumanMessagePromptTemplate  还有

HumanMessage, SystemMessage, AIMessage，对于刚学习langchain的人可能有点蒙，他们有什么区别呢。本文给大家讲清楚。

SystemMessagePromptTemplate 和 HumanMessagePromptTemplate 是 LangChain 中专门用于构建「带角色的聊天消息模板」的工具类，核心作用是给消息内容绑定明确的「角色属性」，让聊天模型（如 GPT、豆包等）能区分消息的来源和意图，从而更准确地生成回应。

1. 先理解「角色」的重要性

现代聊天模型（如 GPT-3.5/4、豆包、Claude 等）的核心交互逻辑是「基于角色的对话」—— 模型会根据消息的「角色」来判断这是谁说的话，以及该如何回应。常见角色有：

• 系统角色（system）：通常是给模型的「全局指令」，定义模型的行为模式（比如 “你是一个专业的程序员”“回答要简洁”）。
• 人类角色（human）：用户输入的内容（比如 “解释一下什么是函数”）。
• AI 角色（ai）：模型之前的回应（用于多轮对话时让模型 “记住” 历史）。

模型会优先遵循「系统角色」的指令，并针对「人类角色」的内容进行回应。

2. 两个类的具体含义和作用

SystemMessagePromptTemplate

• 含义：用于创建「系统角色消息的模板」。
• 作用：定义模型的 “身份”“行为准则” 或 “任务背景”，是给模型的 “全局设定”。
  比如：SystemMessagePromptTemplate.from_template("你是一个数学老师，回答要通俗易懂")
  生成的系统消息会告诉模型：“你要以数学老师的身份回应，语言要简单”。

HumanMessagePromptTemplate

• 含义：用于创建「人类角色消息的模板」。
• 作用：定义用户输入的内容（可以是静态文本，也可以包含动态变量）。
  比如：HumanMessagePromptTemplate.from_template("请解释什么是{concept}")
  生成的人类消息会作为用户的提问，其中 {concept} 可以动态替换为具体内容（如 “微积分”“变量”）。

3. 为什么需要用「Template」类？

直接手动写死消息内容不行吗？比如：

messages = [
    {"role": "system", "content": "你是一个数学老师"},
    {"role": "human", "content": "解释什么是函数"}
]

当然可以，但「Template 类」的优势在于支持动态生成内容：
当消息内容需要根据变量变化时（比如多轮对话中的历史记录、用户输入的动态参数），用 from_template() 可以轻松嵌入变量（如 {history} {question}），后续通过 format() 方法动态填充，比字符串拼接更简洁、更不易出错。

4. 在代码中的实际作用

chat_prompt = ChatPromptTemplate(
    messages=[
        # 系统消息模板：定义模型行为（结合历史回答问题）
        SystemMessagePromptTemplate.from_template("你是一个耐心的助手，结合历史对话回答问题。"),
        # 人类消息模板：内容是动态生成的（历史+当前问题）
        HumanMessagePromptTemplate.from_template("{human_content}")
    ],
    input_variables=["human_content"]  # 动态填充人类消息的内容
)

这里的两个 Template 类的作用是：

• 用 SystemMessagePromptTemplate 固定模型的行为模式（“结合历史回答”）；
• 用 HumanMessagePromptTemplate 接收动态生成的用户内容（包含历史对话 + 当前问题）；
• 最终通过 ChatPromptTemplate 组合成完整的「角色消息列表」，传给模型后，模型能清晰区分 “系统指令” 和 “用户输入”，从而更准确地回应。
• SystemMessagePromptTemplate → 定义模型的 “行为准则”（系统角色消息模板）；
• HumanMessagePromptTemplate → 定义用户的输入内容（人类角色消息模板）；
• 两者的核心价值是：给消息绑定角色 + 支持动态内容生成，让聊天模型能理解对话上下文和指令，生成更符合预期的回应。

如果系统指令和用户问题都是固定的，用 SystemMessage 或字典完全一样，代码都很简洁：

# 方式1：用Message类
from langchain_core.messages import SystemMessage, HumanMessage
messages = [
    SystemMessage(content="只回答'是'或'否'"),
    HumanMessage(content="今天下雨了吗？")
]

# 方式2：用字典（和方式1完全等效）
messages = [
    {"role": "system", "content": "只回答'是'或'否'"},
    {"role": "human", "content": "今天下雨了吗？"}
]

场景 2：内容需要动态变化（必须用「MessagePromptTemplate」类）

如果用户问题里有动态变量（比如要查询不同城市的天气），用「Template」类才能轻松替换变量：

from langchain.prompts import SystemMessagePromptTemplate, HumanMessagePromptTemplate, ChatPromptTemplate

# 1. 定义带变量的模板（{city} 是动态变量）
system_template = SystemMessagePromptTemplate.from_template("只回答'是'或'否'，针对{city}的天气")
human_template = HumanMessagePromptTemplate.from_template("{city}今天下雨了吗？")

# 2. 组合成聊天模板
chat_prompt = ChatPromptTemplate(
    messages=[system_template, human_template],
    input_variables=["city"]  # 声明需要传入的变量
)

# 3. 动态填充变量（比如查询"北京"或"上海"）
final_messages1 = chat_prompt.format_prompt(city="北京").to_messages()
final_messages2 = chat_prompt.format_prompt(city="上海").to_messages()

# 最终生成的消息（和手动写字典等效，但动态变量已替换）
# final_messages1 会是：
# [{"role": "system", "content": "只回答'是'或'否'，针对北京的天气"}, {"role": "human", "content": "北京今天下雨了吗？"}]

总结：什么时候用哪种？

• 简单固定场景：如果消息内容不变（比如固定系统指令、单轮固定问题），用 SystemMessage/HumanMessage 或手动写字典都可以，前者是 LangChain 封装好的类，代码更规范；
• 动态变化场景：如果消息内容需要根据变量替换（比如多轮对话、动态参数），必须用 SystemMessagePromptTemplate/HumanMessagePromptTemplate + ChatPromptTemplate，效率更高、更易维护。

本质上，Message 类是「静态结果」，MessagePromptTemplate 类是「动态生成工具」—— 前者是后者最终生成的产物之一。

方式	角色	本质等效的字典格式	核心特点
SystemMessage(content="...")	系统角色	{"role": "system", "content": "..."}	硬编码内容，无动态变量
HumanMessage(content="...")	人类角色	{"role": "human", "content": "..."}	硬编码内容，无动态变量
手动写字典	任意角色	{"role": "...", "content": "..."}	硬编码内容，无动态变量