一、核心概念

1. 什么是 LangChain Model IO？

Model IO 是 LangChain 的入口核心模块，负责三件事：

1. 构建提示词（提示词模板）
2. 调用大模型（LLM/Chat Model）
3. 解析输出结果

2. 什么是提示词模板？

        将固定的提示词文案 + 动态变量（如用户问题、知识库内容）抽离封装，动态生成标准化提示词的工具。✅ 替代 Java 中繁琐的字符串拼接✅ 统一团队提示词规范✅ 支持动态参数、角色设定、结构化输出

3. 核心价值（Java 开发者必看）

• 告别 StringBuilder 硬拼提示词
• 支持系统提示、用户提问、少样本示例等标准化结构
• 无缝对接 RAG/Agent 高级功能
• 强制格式化输出（JSON / 指定格式），避免后端解析报错

---

二、前置准备：Java 依赖

        Maven 依赖（LangChain4j 核心 + 大模型适配，以 Ollama / 通义千问为例）

<!-- LangChain4j 核心 -->
<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j</artifactId>
    <version>0.32.0</version>
</dependency>
<!-- 本地大模型 Ollama 适配 -->
<dependency>
    <groupId>dev.langchain4j</groupId>
    <artifactId>langchain4j-ollama</artifactId>
    <version>0.32.0</version>
</dependency>

---

三、核心提示词模板（由浅入深，企业级常用）

        LangChain4j 提供 4 种核心模板，覆盖 99% 业务场景：

---

模板 1：基础字符串模板（StringPromptTemplate）

适用场景

        简单的文本补全模型（极少用），仅需动态替换单个 / 多个变量。

代码示例

import dev.langchain4j.model.input.PromptTemplate;

public class BasicPromptDemo {
    public static void main(String[] args) {
        // 1. 定义模板：{question} 是动态占位符
        PromptTemplate promptTemplate = PromptTemplate.from(
            "你是一个专业的Java助手，请回答问题：{question}"
        );

        // 2. 传入动态参数，生成最终提示词
        String prompt = promptTemplate.apply("什么是Java虚拟机？");

        System.out.println(prompt);
        // 输出：你是一个专业的Java助手，请回答问题：什么是Java虚拟机？
    }
}

---

模板 2：对话提示模板（ChatPromptTemplate ✅ 最常用）

核心说明

        企业开发首选，适配所有聊天大模型（GPT、通义千问、文心一言、Ollama）。支持三大标准角色：

• 🎯 System：系统提示（设定 AI 身份、规则、约束）
• 👤 User：用户输入（问题 / 请求）
• 🤖 Assistant：助手历史回复（多轮对话用）

代码示例（单轮对话）

import dev.langchain4j.model.chat.ChatLanguageModel;
import dev.langchain4j.model.ollama.OllamaChatModel;
import dev.langchain4j.model.input.PromptTemplate;
import dev.langchain4j.data.message.*;

import java.util.List;

public class ChatPromptDemo {
    public static void main(String[] args) {
        // 1. 连接本地 Ollama 大模型
        ChatLanguageModel model = OllamaChatModel.builder()
                .baseUrl("http://localhost:11434")
                .modelName("qwen:7b") // 通义千问本地模型
                .build();

        // 2. 定义对话模板（系统提示 + 用户问题）
        // 系统提示：固定身份规则
        String systemPrompt = "你是一名Java高级开发工程师，只回答Java技术问题，回答简洁专业";
        // 用户模板：动态参数
        PromptTemplate userTemplate = PromptTemplate.from("用户问题：{question}");

        // 3. 构建对话消息列表
        List<ChatMessage> messages = List.of(
                SystemMessage.from(systemPrompt), // 系统角色
                UserMessage.from(userTemplate.apply("Java泛型的作用是什么？")) // 用户角色
        );

        // 4. 调用模型
        String response = model.generate(messages).content().text();
        System.out.println(response);
    }
}

---

模板 3：少样本提示模板（FewShotPromptTemplate ✅ 提升准确率）

适用场景

        复杂任务（分类、信息提取、格式转换），给模型提供示例，大幅降低幻觉。

核心逻辑

        固定示例 + 用户问题 → 让模型模仿示例输出

代码示例

import dev.langchain4j.model.input.FewShotPromptTemplate;
import dev.langchain4j.model.input.PromptTemplate;
import dev.langchain4j.data.Prompt;

import java.util.List;
import java.util.Map;

public class FewShotPromptDemo {
    public static void main(String[] args) {
        // 1. 定义示例（文本 -> 分类）
        List<Map<String, String>> examples = List.of(
                Map.of("text", "SpringBoot", "category", "Java框架"),
                Map.of("text", "MySQL", "category", "数据库"),
                Map.of("text", "Redis", "category", "缓存中间件")
        );

        // 2. 示例模板
        PromptTemplate exampleTemplate = PromptTemplate.from(
            "文本：{text}，分类：{category}"
        );

        // 3. 最终用户问题模板
        PromptTemplate userTemplate = PromptTemplate.from(
            "请分类以下文本：{text}"
        );

        // 4. 构建少样本模板
        FewShotPromptTemplate fewShotTemplate = FewShotPromptTemplate.builder()
                .examples(examples)
                .examplePrompt(exampleTemplate)
                .userPrompt(userTemplate)
                .build();

        // 5. 生成最终提示词
        Prompt prompt = fewShotTemplate.apply(Map.of("text", "MyBatis"));
        System.out.println(prompt.text());
    }
}

---

模板 4：结构化输出模板（JsonPromptTemplate ✅ 企业必备）

核心痛点

        Java 后端需要 AI 返回固定 JSON 格式，但大模型容易乱输出。该模板强制模型返回标准 JSON，无需手动解析。

代码示例（Java 实体类绑定）

import dev.langchain4j.model.input.StructuredPromptTemplate;
import dev.langchain4j.service.UserMessage;
import dev.langchain4j.model.ollama.OllamaChatModel;

// 1. 定义Java实体类（输出格式）
class UserInfo {
    public String name;
    public int age;
    public String job;
}

// 2. 结构化提示词模板（注解方式，LangChain4j 极简写法）
interface AIService {
    @UserMessage("从文本中提取用户信息，返回JSON格式：{{it}}")
    UserInfo extractUserInfo(String text);
}

public class StructuredPromptDemo {
    public static void main(String[] args) {
        // 连接模型
        OllamaChatModel model = OllamaChatModel.builder()
                .baseUrl("http://localhost:11434")
                .modelName("qwen:7b")
                .build();

        // 3. 创建服务，调用模板
        AIService aiService = dev.langchain4j.service.AiServices.create(AIService.class, model);
        UserInfo info = aiService.extractUserInfo("张三，28岁，Java高级开发工程师");

        // 直接获取Java对象，无需解析JSON
        System.out.println(info.name); // 张三
        System.out.println(info.job);  // Java高级开发工程师
    }
}

---

四、Model IO 完整工作流（必背）

        所有模板的执行流程完全一致，是 RAG/Agent 的基础：

定义模板 → 传入动态参数 → 生成提示词 → 调用大模型 → 解析输出

---

五、高级用法（企业级）

1. RAG 融合提示词模板

        将知识库检索结果作为动态变量传入模板，这是 RAG 核心：

PromptTemplate ragTemplate = PromptTemplate.from(
    "根据以下知识库内容回答用户问题：\n" +
    "知识库：{context}\n" +
    "用户问题：{question}"
);

2. 多轮对话模板

        结合记忆组件，保留历史对话，实现连贯聊天：

List<ChatMessage> messages = List.of(
    SystemMessage.from("你是Java助手"),
    UserMessage.from("什么是JVM？"),
    AssistantMessage.from("JVM是Java虚拟机..."),
    UserMessage.from("它的作用是什么？") // 多轮追问
);

3. 模板嵌套

复杂提示词拆分多个子模板，复用性更强：

java

运行

// 子模板1
PromptTemplate ruleTemplate = PromptTemplate.from("规则：{rule}");
// 子模板2
PromptTemplate questionTemplate = PromptTemplate.from("问题：{question}");
// 总模板
PromptTemplate mainTemplate = PromptTemplate.from(
    ruleTemplate + "\n" + questionTemplate
);

---

六、Java 开发者最佳实践

1. 优先用 ChatPromptTemplate：适配所有主流大模型，支持角色设定
2. 必须用结构化输出：对接 Java 后端，强制返回 JSON / 实体类
3. 少样本模板优化效果：复杂业务（提取、分类）必加示例
4. 模板统一管理：将提示词放在配置文件（Nacos/Apollo），不硬编码
5. 结合 RAG：将检索的上下文传入模板，解决大模型幻觉

---

七、总结

核心模板速记

1. 基础模板：简单动态替换
2. 对话模板：✅ 企业首选，支持系统 / 用户角色
3. 少样本模板：✅ 提升准确率，复杂任务必备
4. 结构化模板：✅ Java 后端必备，自动转实体类

核心作用

提示词模板 = 大模型的标准化接口