🧠 用 ChatPromptTemplate 打造 AI 對話角色！

在跟 AI 打交道的世界裡，Prompt 就像是劇本，而 ChatPromptTemplate 就是導演，幫你安排每個角色該說什麼、怎麼說 🎬。

這篇文章會帶你了解：

• 💬 如何用 ChatPromptTemplate 建立多角色的對話流程

• 🧑‍🤝‍🧑 System、Human、AI 角色的三種寫法

• 🔍 .invoke() vs .format_messages() 的差異與適用場景

🎭 三種建立 ChatPromptTemplate 的方式

ChatPromptTemplate 是 LangChain 裡非常實用的一個工具，讓我們可以把 prompt 結構化，支援多角色聊天。來看看這三種寫法👇

🧱 模板寫法 #1：使用角色模板物件

template_1 = ChatPromptTemplate.from_messages(
    [
        SystemMessagePromptTemplate.from_template("你是個聊天助理,請根據問題做回應。"),
        HumanMessagePromptTemplate.from_template("{input}"),
        AIMessagePromptTemplate.from_template("這是AI的回應。"),
    ]
)

🍱 模板寫法 #2：用 tuple 簡潔表示

template_2 = ChatPromptTemplate.from_messages(
    [
        ("system", "你是個聊天助理,請根據問題做回應。"),
        ("human", "{input}"),
        ("ai", "這是AI的回應。"),
    ]
)

📦 模板寫法 #3：直接給 Message 物件

template_3 = ChatPromptTemplate.from_messages(
    [
        SystemMessage(content="你是個聊天助理,請根據問題做回應。"),
        HumanMessage(content="{input}"),
        AIMessage(content="這是AI的回應。"),
    ]
)

🧪 invoke() vs format_messages() 大對決！

建好Template後, 我們可以透過invoke() 或 format_messages()的function把變數填進去, 但兩者回傳的值稍有不同

prompt_invoke = template_1.invoke({"input": "hello world, this is a test of the AzureChatOpenAI model."})
prompt_format = template_1.format_messages(input="hello world, this is a test of the AzureChatOpenAI model.")

pprint(prompt_invoke)  # returns a runnable object that can be invoked
pprint(prompt_format)  # returns a list of BaseMessage objects

### result
.invoke() -> returns a runnable object that can be invoked
ChatPromptValue(
    messages=[
        SystemMessage(content='你是個聊天助理,請根據問題做回應。', additional_kwargs={}, response_metadata={}),
        HumanMessage(
            content='hello world, this is a test of the AzureChatOpenAI model.',
            additional_kwargs={},
            response_metadata={}
        ),
        AIMessage(content='這是AI的回應。', additional_kwargs={}, response_metadata={})
    ]
)
------------
.format_messages() -> return a list of BaseMessage objects
[
    SystemMessage(content='你是個聊天助理,請根據問題做回應。', additional_kwargs={}, response_metadata={}),
    HumanMessage(
        content='hello world, this is a test of the AzureChatOpenAI model.',
        additional_kwargs={},
        response_metadata={}
    ),
    AIMessage(content='這是AI的回應。', additional_kwargs={}, response_metadata={})
]

來張簡單的比較表 👇

方法	回傳內容	適合用途	說明
.invoke()	可直接丟進 LLM 的 runnable 物件	一步完成格式化＋推論 🧠	內建觸發模型，像是快捷鍵
.format_messages()	回傳一組 BaseMessage 列表	需要先格式化再自定處理 🛠️	拿到 raw message，靈活加工

🤖 ChatPromptTemplate 的魔法

你可以透過這種方式打造一個「多輪對話」、「指定語氣」、「不同角色扮演」的系統，比如客服助理、醫療諮詢師，甚至是戀愛諮詢員（？）💘

🧩 小結論

• ChatPromptTemplate 超適合組織多角色對話

• 3 種建立方式，看你需求自由選

• .invoke() vs .format_messages() 各有優勢

👉 有了這些工具，設計 prompt 就像在導戲一樣，讓 AI 更聰明、更有個性！