第十章：Prompt 工程与输出解析 —— 精准控制 LLM 的输入输出

10.1 引言：LLM 的输入输出边界前几章我们已经深入了解了 LangChain 的 Runnable 协议、模型抽象、Agent 系统和 Middleware 机制。但无论架构多精妙，LLM 应用的质量最终取决于两个基本问题：你给模型什么输入（Prompt），以及你如何处理模型的输出（Output Parsing）。Prompt 决定了模型的行为边界，OutputParser 则将模型的自由文本转换为程序可处理的结构化数据。LangChain 为这两端提供了完整的工具链。本章将从源码层面解析：Prompt 模板体系：BasePromptTemplate抽象基类、PromptTemplate、ChatPromptTemplate、MessagesPlaceholder的实现机制Few-Shot 模板：FewShotPromptTemplate和FewShotChatMessagePromptTemplate的示例注入策略Example Selectors：基于相似度、长度、MMR 的动态示例选择OutputParser 体系：BaseOutputParser继承树、流式解析支持、各内置 Pars