W
AI-Wiki
CONCEPT

LangChain消息对象体系

基本定义

LangChain消息对象体系是LangChain框架中用于表示与大语言模型交互时各类消息的标准化数据结构，全部为Python对象形式，是ChatModel组件的核心交互载体。该体系统一了不同大模型厂商的对话接口格式，无需针对不同模型单独做消息格式适配，同时原生支持多轮对话上下文管理与动态参数填充，可显著降低LLM对话类应用的开发成本。

核心组件分类

基础消息类型

基础消息对应对话中不同角色的固定消息结构，共包含4类：

  1. SystemMessage：用于传递系统指令或背景信息，通常放在对话列表开头，用于设定模型的身份、回复规则等全局约束，示例：SystemMessage(content="你是一个乐于助人的助手，回答需要简洁准确")
  2. HumanMessage：用于传递用户输入的消息，通常包含用户的问题、指令或需求，示例：HumanMessage(content="如何使用Python处理JSON数据?")
  3. AIMessage：用于传递大模型生成的回复内容，记录模型的输出结果，示例：AIMessage(content="要处理JSON数据，你可以使用Python标准库的json模块调用load、dump等方法实现读写")
  4. ChatMessage：支持自定义角色的通用消息类型，适用于需要新增非标准角色的特殊场景，示例：ChatMessage(role="critic", content="这个方案的并发性能存在不足，需要优化IO调度逻辑")

可参数化消息模板

消息模板是支持动态填充变量的可复用消息结构，可根据运行时参数生成对应类型的基础消息，共包含3类：

  1. HumanMessagePromptTemplate：用于生成可参数化的用户消息模板，示例：HumanMessagePromptTemplate.from_template("我想了解关于{topic}的基础使用方法")，运行时传入topic参数即可生成对应HumanMessage
  2. SystemMessagePromptTemplate：用于生成可参数化的系统消息模板，示例：SystemMessagePromptTemplate.from_template("你是{domain}领域的专家，回答仅涉及该领域相关内容")
  3. AIMessagePromptTemplate：用于生成可参数化的AI消息模板，使用频率较低，仅在需要预设AI回复框架的特殊场景下使用，常规场景下AI回复均为模型动态生成。

动态占位符组件

MessagePlaceholder是体系内的特殊组件，作用为预留位置动态插入消息列表，专门适配多轮对话上下文动态拼接场景，可自动保留插入消息的角色属性，无需开发者手动拼接单条消息。

通用核心属性

所有消息对象统一包含4个核心属性：

  1. content：存储消息的实际文本内容，为消息的必填属性
  2. role/type：标识消息的角色类型，固定取值为system、user、assistant或自定义角色名
  3. additional_kwargs：附加关键字参数，可存储开发者自定义的扩展元数据
  4. response_metadata：仅AIMessage携带的响应元数据，包含模型版本、Token消耗、请求ID等调用相关信息。

典型使用流程

  1. 根据需求构造基础消息对象，或填充消息模板生成对应类型的消息
  2. 将所有消息按对话发生的时间顺序组合为列表形式的对话历史
  3. 将对话历史列表作为参数传入ChatModel的invoke接口，完成大模型调用

示例代码如下：

from langchain_core.messages import SystemMessage, HumanMessage, AIMessage

# 创建消息对象
system_msg = SystemMessage(content="你是一个Python编程专家")
human_msg = HumanMessage(content="如何在Python中读取CSV文件?")
ai_msg = AIMessage(content="你可以使用pandas库来读取CSV文件...")

# 将消息对象组合成对话历史
conversation = [system_msg, human_msg, ai_msg]

# 将对话历史传递给语言模型
response = llm.invoke(conversation)

边界与注意事项

  1. 普通对话场景无需使用ChatMessage，仅当需要自定义非标准角色（如审核员、评论员等）时使用
  2. MessagePlaceholder仅用于接收消息列表类型的变量，不能用于填充单个文本变量，否则会出现格式错误
  3. 不同大模型对SystemMessage的支持程度不同，部分开源模型可能无法识别系统指令，需根据所用模型调整消息结构。

相关条目