大模型：MessagesPlaceholder 是什么？

MessagesPlaceholder是什么？

MessagesPlaceholder是 LangChain 中专门用于ChatPromptTemplate的一个特殊占位符组件。它与普通字符串占位符（如{input}）最大的不同在于：它用来接收并注入一整个“消息列表（List[BaseMessage]）”，而不是一个普通的字符串值。

在代码中，它的写法是：

MessagesPlaceholder("变量名")

其中"变量名"是运行时传入的字典中对应的键名。

一句话定义：MessagesPlaceholder是 LangChain 在提示模板中预留的“插槽”，用于在运行时把一整套带有角色（System/Human/AI/Tool）的对话消息无损地插入到模板中。

为什么需要它？（普通占位符 vs MessagesPlaceholder）

如果我们只用普通字符串占位符{chat_history}，我们需要手动把历史消息列表拼接成一个长字符串（例如："用户：你好\nAI：你好，有什么可以帮您？\n用户：..."）。这样做有两个致命问题：

MessagesPlaceholder恰恰解决了这两个问题：它直接传递BaseMessage对象列表，保持每条消息的完整角色、内容和元数据，让聊天模型（ChatModel）可以原生解析，不用再手动去做字符串拼接。

在代码中如何使用？

1. 定义模板

fromlangchain_core.promptsimportChatPromptTemplate,MessagesPlaceholder prompt=ChatPromptTemplate.from_messages([("system","你是一个乐于助人的助手。"),MessagesPlaceholder("chat_history"),# ① 预留历史消息插槽("human","{input}")# ② 当前用户输入])

• 运行时，chat_history会替换成一整段历史消息列表。
• input仍是一个普通的字符串占位符。

2. 运行时注入

fromlangchain_core.messagesimportHumanMessage,AIMessage# 模拟历史对话history_msgs=[HumanMessage(content="我叫小明"),AIMessage(content="你好小明！很高兴认识你。")]# 注入数据final_messages=prompt.invoke({"chat_history":history_msgs,"input":"你还记得我叫什么吗？"}).to_messages()# 此时 final_messages 包含:# [SystemMessage, HumanMessage("我叫小明"), AIMessage("..."), HumanMessage("你还记得我叫什么吗？")]

最终生成的final_messages会保留每一条消息的角色，直接传给模型。

与RunnableWithMessageHistory的关系

MessagesPlaceholder负责“占位”，RunnableWithMessageHistory负责“填充”。

在实战中，MessagesPlaceholder最常见的搭配就是RunnableWithMessageHistory（如你之前写的代码）。它的工作流程是：

1. RunnableWithMessageHistory根据session_id从chat_history_store里取出一整个消息列表。
2. 在调用base_chain时，它自动把这个列表塞进invoke字典的chat_history键里。
3. prompt里的MessagesPlaceholder("chat_history")收到这个列表，完成注入。
4. 模型生成回复。
5. 框架自动把新的UserMessage和AIMessage追加回存储中。

没有MessagesPlaceholder，RunnableWithMessageHistory就无处安放历史消息；没有RunnableWithMessageHistory，MessagesPlaceholder就只能手动传参。

面试高频追问与回答

Q1：如果我用普通字符串占位符{chat_history}，然后传一个 JSON 字符串，效果一样吗？
A：不一样。ChatModel（如通义千问、GPT-4）的 API 接收的是结构化的消息数组（[{"role": "user", "content": "..."}]）。如果传 JSON 字符串，模型会把它当成一段普通的content，而无法识别其中的角色信息。这会导致系统提示和用户消息界限模糊，严重影响模型的指令遵循能力。

Q2：MessagesPlaceholder能传ToolMessage吗？
A：可以。只要是BaseMessage的子类（HumanMessage,AIMessage,SystemMessage,ToolMessage等），MessagesPlaceholder都能无损传递。这在 Agent 场景中非常关键，因为工具调用结果必须原样送回模型，模型才能据此做下一步推理。

Q3：MessagesPlaceholder和StringPromptTemplate能混用吗？
A：不能。StringPromptTemplate生成的是纯文本提示，不区分角色。MessagesPlaceholder是专为ChatPromptTemplate设计的。二者不能混用。

Q4：如何限制MessagesPlaceholder里消息的数量？
A：MessagesPlaceholder本身不提供限制功能。你需要在使用RunnableWithMessageHistory时，配合trim_messages工具，或者在自定义的ChatMessageHistory的add_messages方法里做截断。官方推荐的做法是在传给MessagesPlaceholder之前，用trim_messages对历史列表进行裁剪。

总结

MessagesPlaceholder是 LangChain 实现结构化多轮对话的基石。它让历史消息得以“原汁原味”地传入模型，让 Agent 和 RAG 系统能精准理解上下文。在面试中，能清晰区分MessagesPlaceholder和普通字符串占位符，并能解释其在RunnableWithMessageHistory中的协作关系，是体现你对 LangChain 理解深度的标志性知识点之一。