| 类名 | 用途 |
|---|---|
ChatPromptTemplate | 构造整个多轮提示词结构 |
SystemMessagePromptTemplate | 设置系统规则 / 行为模式 |
HumanMessagePromptTemplate | 模拟用户输入 |
AIMessagePromptTemplate | 模拟模型输出（上下文中使用） |
简单回忆一下：
import { ChatPromptTemplate, SystemMessagePromptTemplate, HumanMessagePromptTemplate,} from '@langchain/core/prompts'
// 定义一个聊天 prompt 模版const chatPrompt = ChatPromptTemplate.fromMessages([ SystemMessagePromptTemplate.fromTemplate('你是一个乐于助人的助手'), HumanMessagePromptTemplate.fromTemplate('请把以下句子翻译成英文：{text}'),])
// 渲染成消息数组const messages = await chatPrompt.formatMessages({ text: '你好' })
console.log(messages)效果：
[ SystemMessage { "content": "你是一个乐于助人的助手", "additional_kwargs": {}, "response_metadata": {} }, HumanMessage { "content": "请把以下句子翻译成英文：你好", "additional_kwargs": {}, "response_metadata": {} }]Message对象
Message 模块是 LangChain.js 中和大模型进行交互的 基本单位，用来表达谁说了什么，并且能携带额外的元信息。
常见的 Message 类型有：
- HumanMessage：用户输入
- AIMessage：模型输出
- SystemMessage：系统指令，例如告诉模型「你是一个助手」这种角色设定
- FunctionMessage / ToolMessage：Function Calling 或 MCP 工具调用的结果
- ChatMessage：通用的消息格式，可以指定角色
对象成员
1. content
消息的主要内容，最核心的字段。
- 一般是 字符串（最常见）
- 也可以是 对象数组（比如多模态：文字 + 图片）
例子 1：纯文本
new HumanMessage('你好！'){ content: '你好！'}例子 2：多模态内容
new HumanMessage({ content: [ { type: 'text', text: '请描述这张图片' }, { type: 'image_url', image_url: 'https://example.com/cat.png' }, ],}){ content: [ { type: 'text', text: '请描述这张图片' }, { type: 'image_url', image_url: 'https://example.com/cat.png' }, ]}2. additional_kwargs
附加参数，用来保存与 OpenAI/其他模型 API 兼容的扩展字段。
它通常是空的 {}，但在某些场景下会被用到，例如 Function Calling 的场景：
new AIMessage({ content: '', additional_kwargs: { function_call: { name: 'getWeather', arguments: '{ "city": "北京" }', }, },})这是早期的 OpenAI Function Calling 格式（GPT-3.5/4 2023-06-13 那一代）。这种格式只支持一次函数调用。
- 字段名是
function_call，里面直接放name+arguments - arguments 是 JSON 字符串，需要开发者自己
JSON.parse()
new AIMessage({ content: '', additional_kwargs: { tool_calls: [ { id: 'tool_123', type: 'function', function: { name: 'search', arguments: '{ "query": "LangChain" }' }, }, ], },})这是 OpenAI 新版 Tool Calling 格式（从 GPT-4-1106-preview 开始引入）。
- 支持 多次调用（
tool_calls是数组，可以一次性返回多个工具调用） - 每个调用有
id（唯一标识符），方便你追踪调用 → 响应 type明确标注了调用类型（现在主要是"function"）- LangChain.js 会自动解析成标准化的
tool_calls字段，arguments会从字符串转成对象
不过现在，在最新的 LangChain.js 中，推荐使用tool_calls 字段，而非塞到 additional_kwargs 里：
new AIMessage({ content: '', tool_calls: [ { id: 'tool_123', name: 'getWeather', args: { city: '北京' }, }, ],})3. invalid_tool_calls
当模型给出的工具调用结果无法被 LangChain 标准化时（例如 解析失败 或 结构不合法），这些调用不会出现在 AIMessage.tool_calls，而是被放进 AIMessage.invalid_tool_calls，方便你做兜底与修复。
4. response_metadata
用于保存「消息是怎么来的」的元信息，常见于 模型输出。里面的内容取决于 LLM 的返回信息，比如：
例子 1：OpenAI 返回的 token 消耗
new AIMessage({ content: '你好，我是 AI 助手。', response_metadata: { tokenUsage: { promptTokens: 10, completionTokens: 20, totalTokens: 30 }, model_name: 'gpt-4o-mini', finish_reason: 'stop', },})例子 2：Ollama 返回的时间戳
new AIMessage({ content: '好的。', response_metadata: { created: 1724453430, model: 'llama3', },})例子 3：自定义的元信息
new HumanMessage({ content: '请帮我翻译', response_metadata: { source: 'wechat' },})5. text
获取纯文本内容的便捷取值器。
import { HumanMessage } from '@langchain/core/messages'const msg = new HumanMessage({ content: [ { type: 'text', text: '请描述这张图片' }, { type: 'image_url', image_url: 'https://example.com/cat.png' }, ],})console.log(msg.text) // 请描述这张图片console.log(msg.content) // [{type:...},{type:...}]6. getType()方法
返回消息类型。
import { HumanMessage } from '@langchain/core/messages'const msg = new HumanMessage({ content: [ { type: 'text', text: '请描述这张图片' }, { type: 'image_url', image_url: 'https://example.com/cat.png' }, ],})console.log(msg.getType()) // humangetType() 方法常用语根据不同消息类型进行不同的处理。
@langchain/core/messages 里面还提供了一组守卫方法：
import { HumanMessage, isHumanMessage } from '@langchain/core/messages'
const msg = new HumanMessage('你好，我叫小明')console.log(isHumanMessage(msg)) // true课堂练习：执行下面的代码，观察其结果
import { ChatOllama } from '@langchain/ollama'import { HumanMessage } from '@langchain/core/messages'
const chatModel = new ChatOllama({ model: 'llama3', temperature: 0.7,})
const response = await chatModel.invoke([ new HumanMessage('用中文给我讲一个笑话'),])
console.log(response)