“ 为了引导提升大模型输出质量，因此输入大模型的提示词需要有特定的模板。”
在前面的文章中说过大模型的应用开发，本质上就是对提示词对封装，那么在一个大模型应用中，提示词应该有那几个模块呢？
下面，我们以智能体开发为例，阐述一下提示词应该有那几个模块组成。
智能体中的提示词模块
1️⃣ System Prompt（系统提示）
作用：
为大模型定义角色、风格、边界和全局目标。
常包含：
智能体身份（如“你是一个智能项目工单生成智能体”）
行为原则（准确、简洁、先澄清再回答）
输出风格（是否 JSON / Markdown / 严格格式）
禁止事项（不要编造、不要提供法律建议等）
2️⃣ Tools / Functions Schema（工具或函数描述模块）
作用：
告诉模型当前可用的工具和如何调用
通常包含：
工具名称
工具用途描述（对模型而非用户）
参数名称、类型、含义（JSON Schema）
在 LangGraph / LangChain智能体中，每次推理都需要注入，以便大模型调用合适工具。
3️⃣ Chat History（对话历史）
作用：
让大模型在当前对话中“有记忆”，知道用户已说过什么
避免重复澄清问题
支持多轮连续上下文理解
在 LangChain / LangGraph 中使用：MessagesPlaceholder(variable_name="chat_history")
来动态注入完整或摘要化的对话历史。
4️⃣ User Input（用户输入）
作用：
本次用户真实问题 / 指令
用于让大模型根据当前输入做推理
在提示词模板中通常占位为：{user_input}或使用：HumanMessagePromptTemplate.from_template(human_prompt)
5️⃣ Output Format Constraints（输出格式约束）
作用：
指定输出的格式结构，方便解析和自动处理。
可包含：
严格要求输出 JSON / Markdown
限制字段名、字段顺序
示例输出
在生成结构化数据、SQL、工单时非常关键，常结合 StructuredOutputParser或 ResponseSchema使用。
✅ 汇总结构（记忆示范）
【智能体提示词典型结构】1️⃣ System Prompt - 定义角色、风格、目标 - 限制行为2️⃣ Tools / Functions Schema - 工具名称、描述 - JSON Schema 参数定义3️⃣ Chat History - 注入多轮对话历史或摘要4️⃣ User Input - 用户本轮输入5️⃣ Output Format Constraints - 明确格式要求 - 示例结果
✅ 在 LangGraph / LangChain 中如何组织？
from langchain.prompts import ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate, MessagesPlaceholdersystem_prompt = "你是一个项目智能工单生成智能体..."human_prompt = "{user_input}"prompt = ChatPromptTemplate.from_messages([ SystemMessagePromptTemplate.from_template(system_prompt), MessagesPlaceholder(variable_name="chat_history"), HumanMessagePromptTemplate.from_template(human_prompt)])并通过：
✅ StructuredOutputParser确保输出结构
✅ 工具描述在 Agent 初始化时注入
实现完整提示词编排，让智能体稳定且可解析。
✅ 是否需要全部模块？
不同场景可裁剪：
若不调用工具，可去掉工具描述
若无记忆需求，可去掉 chat_history
若只生成纯文本可弱化输出格式约束
但在生产级智能体中，上述五模块通常完整保留。
