如当设置config_prefixCODE时原本用于指定模型接口地址的参数base_url会自动变成CODE_base_url从而与其他模型的base_url参数彻底隔离开来。init_chat_model( model: str | None None, *, model_provider: str | None None, configurable_fields: Literal[any] | list[str] | tuple[str, ...] | None None, config_prefix: str | None None, **kwargs: Any {} ) - BaseChatModel | _ConfigurableModel以下为.env 环境配置文件的内容记得必将其中的 API_KEY 占位值替换为您自行在对应平台申请的有效API密钥。QWEN_API_KEY你的QWEN API KEY QWEN_BASE_URLhttps://dashscope.aliyuncs.com/compatible-mode/v1 QWEN_MODELqwen3.6-plus MINIMAX_API_KEY你的MiniMax API KEY MINIMAX_BASE_URLhttps://api.minimaxi.com/v1 MINIMAX_MODELMiniMax-M2.7当使用 LangChain 的init_chat_model初始化聊天模型并需要动态注入不同大模型的配置时可按照以下步骤操作首先将配置前缀config_prefix统一设置为QWEN接着构建config字典需特别注意 LangChain 的明确要求所有需要在运行时生效的动态参数必须统一放置在configurable层级下在该层级内完成核心参数配置模型名称对应的键名为QWEN_modelbase_url对应的键名为QWEN_base_urlapi_key对应的键名为QWEN_api_key。完成config字典的构建后将其整体传入模型对象的invoke方法中即可完成动态参数的注入让上述配置的所有参数在模型调用时实时生效。对应的完整代码示例如下import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model load_dotenv() prefix QWEN llm init_chat_model( model_provideropenai, configurable_fields[model, api_key, base_url], config_prefixprefix, temperature0.5, max_tokens200 ) config { configurable: { f{prefix}_model: os.getenv(f{prefix}_MODEL), f{prefix}_api_key: os.getenv(f{prefix}_API_KEY), f{prefix}_base_url: os.getenv(f{prefix}_BASE_URL) } } response llm.invoke(请做一个自我介绍, configconfig) print(response.content)接下来我们将配置前缀及核心参数调整为适配 Minimax 大模型的设置并用其来生成Python代码示例。import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model load_dotenv() prefix MINIMAX llm init_chat_model( model_provideropenai, configurable_fields[model, api_key, base_url], config_prefixprefix, temperature0.5, max_tokens200 ) config { configurable: { f{prefix}_model: os.getenv(f{prefix}_MODEL), f{prefix}_api_key: os.getenv(f{prefix}_API_KEY), f{prefix}_base_url: os.getenv(f{prefix}_BASE_URL) } } response llm.invoke(生成Python打印Hello World的代码, configconfig) print(response.content)
