demo9：动态系统提示词（system_prompt）

GitHub 源码：demo9-dynamic-system-prompt 通过提供系统提示来确定 Agent 处理任务的方式。本示例是 Python 课件「系统消息 system_prompt」的 TypeScript 版：根据调用时传入的 context（用户角色）动态生成 系统提示词。

• contextSchema：定义上下文结构（对应 Python 的 class Context(TypedDict)）；
• wrapModelCall 中间件：LangChain.js v1 没有 dynamic_prompt 装饰器，等价写法是 在中间件里覆盖 systemPrompt 后再调用 handler；
• invoke(input, { context })：每次调用时明确指定上下文。

1. 环境变量

复用项目根目录 .env 的默认模型配置：

OPENAI_API_KEY=你的API_KEY
OPENAI_BASE_URL=https://你的OpenAI兼容接口/v1
MODEL=模型名称

2. 运行

在 ai-agent-langgraph-demo 目录执行：

pnpm demo9

执行类型检查：

pnpm typecheck:demo9

3. Python 与 TypeScript API 对照

功能	Python	TypeScript
定义上下文	class Context(TypedDict): user_role: str	z.object({ userRole: ... })
动态提示词中间件	@dynamic_prompt 装饰器	createMiddleware({ wrapModelCall })
读取上下文	request.runtime.context.get("user_role", "user")	request.runtime.context.userRole（zod default 兜底）
覆盖系统提示词	return f"{base_prompt} ..."	handler({ ...request, systemPrompt: ... })
创建 Agent	create_agent(..., context_schema=Context)	createAgent({ ..., contextSchema })
调用时传上下文	agent.invoke({...}, context={"user_role": "expert"})	agent.invoke({ messages }, { context: { userRole: 'expert' } })

4. 工作原理

1. contextSchema 用 zod 定义 userRole 字段，默认值 user；
2. userRolePrompt 中间件在每次模型请求前读取 request.runtime.context.userRole： expert → 详细技术答复；beginner → 简单解释、避免行话；其他 → 基础提示词；
3. Demo 用同一个问题分别以 expert 和 beginner 角色调用， 观察同一 Agent 在不同 context 下回答风格的变化。

---

← Demo 8：动态模型 Agent · 返回系列总览 · Demo 10：结构化输出 →