LangChain 프롬프트 템플릿

1. 프롬프트 템플릿이란?

LLM은 같은 질문이라도 표현 방식에 따라 완전히 다른 답변을 냅니다.
PromptTemplate은 이런 프롬프트를 일관되고 구조적으로 관리하도록 도와주는 도구입니다.
쉽게 말해, “LLM에게 던지는 질문을 템플릿처럼 미리 만들어 재사용하는 기능”입니다.

2. 기본 사용법

from langchain_core.prompts import PromptTemplate

prompt = PromptTemplate.from_template("'{text}'를 {language}로 번역해 주세요.")
formatted = prompt.format(text="안녕하세요", language="영어")
print(formatted)

출력:

'안녕하세요'를 영어로 번역해 주세요.

이처럼 {변수명} 형태로 동적 값을 삽입할 수 있습니다.

3. 대화형 프롬프트 (ChatPromptTemplate)

ChatPromptTemplate은 대화 기반 모델(ChatOpenAI)에 사용할 수 있습니다.

from langchain_core.prompts import ChatPromptTemplate

prompt = ChatPromptTemplate.from_messages([
    ("system", "당신은 친절한 번역가입니다."),
    ("user", "'{text}'를 {language}로 번역해 주세요.")
])

messages = prompt.format_messages(text="안녕하세요", language="일본어")
print(messages)

출력 예:

System: 당신은 친절한 번역가입니다.
User: '안녕하세요'를 일본어로 번역해 주세요.

4. LLM과 연결하기 (LCEL 방식)

LangChain v0.3 이후부터는 LCEL (LangChain Expression Language) 문법으로 체인을 연결할 수 있습니다.

from langchain_openai import ChatOpenAI
from langchain_core.prompts import ChatPromptTemplate

llm = ChatOpenAI(model="gpt-5-nano")

prompt = ChatPromptTemplate.from_messages([
    ("system", "당신은 서울 여행 전문가입니다."),
    ("user", "{season}에 서울에서 방문하기 좋은 장소를 추천해 주세요.")
])

chain = prompt | llm  # 프롬프트 → LLM 연결

response = chain.invoke({"season": "봄"})
print(response.content)

5. partial()로 동적 변수 주입

partial()은 템플릿 안의 일부 값을 미리 고정해 두는 기능입니다.

from datetime import datetime
from langchain_core.prompts import PromptTemplate

prompt = PromptTemplate.from_template(
    "오늘 날짜는 {date}입니다. {topic}에 대한 짧은 뉴스를 생성해 주세요."
).partial(date=datetime.now().strftime("%Y-%m-%d"))

print(prompt.format(topic="인공지능"))

출력 예:

오늘 날짜는 2025-10-13입니다. 인공지능에 대한 짧은 뉴스를 생성해 주세요.

6. 여러 프롬프트를 조합한 체인

두 개 이상의 프롬프트를 연결해 복합적인 질문 흐름을 만들 수 있습니다.

from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI

llm = ChatOpenAI(model="gpt-5-nano")

# 첫 번째 프롬프트: 음식 찾기
p1 = PromptTemplate.from_template("{city}의 가장 유명한 음식은?")

# 두 번째 프롬프트: 식당 찾기
p2 = PromptTemplate.from_template("{food}를 판매하는 가장 인기 있는 식당은?")

chain = p1 | llm | p2 | llm

result = chain.invoke({"city": "서울"})
print(result.content)

출력 예:

서울의 대표 음식은 불고기입니다.
불고기를 판매하는 가장 인기 있는 식당은 우래옥입니다.

7. 고급: 프롬프트 변형 및 시나리오 기반 작성

ChatPromptTemplate은 유연하게 구성할 수 있습니다. 예를 들어, 이메일 자동 작성:

from langchain_core.prompts import ChatPromptTemplate

email_prompt = ChatPromptTemplate.from_messages([
    ("system", "당신은 마케팅 이메일 카피 전문가입니다."),
    ("user", "{product}를 홍보하는 이메일을 {tone} 톤으로 작성해 주세요.")
])

formatted = email_prompt.format_messages(product="스마트워치", tone="따뜻한")
for msg in formatted:
    print(f"{msg.type.upper()}: {msg.content}")

출력:

SYSTEM: 당신은 마케팅 이메일 카피 전문가입니다.
USER: 스마트워치를 홍보하는 이메일을 따뜻한 톤으로 작성해 주세요.

8. 요약

구분	설명
PromptTemplate	일반 텍스트 기반 프롬프트
ChatPromptTemplate	대화형 프롬프트 (system/user 구분)
.format()	변수 채우기
.partial()	일부 변수 미리 고정
prompt \| llm	LCEL 문법으로 체인 연결
invoke()	체인 실행 (결과 반환)

🎯 실습 포인트

같은 질문을 다른 템플릿으로 구성해 결과 차이를 비교해보세요.
.partial()을 이용해 날짜, 지역명, 회사명 등 반복되는 정보를 미리 설정하면 효율적입니다.
ChatPromptTemplate을 사용하면 system/user 역할을 분리해 더 정확한 대화 흐름을 제어할 수 있습니다.

💡 Tip: 프롬프트는 모델 성능만큼 중요합니다. 잘 설계된 프롬프트 하나가 LLM 품질을 좌우합니다.