如何解决初始化ChatOpenAI时的'tuple'对象无'invoke'属性错误

算力阿峰

2026-6-14

问题修复方案

错误根源

你遇到的AttributeError: 'tuple' object has no attribute 'invoke'错误，是因为定义llm变量时末尾多了一个英文逗号，Python会自动将该表达式的结果包装成元组（tuple），而非预期的ChatOpenAI实例，自然无法调用.invoke()方法。

另外代码中还有一处缩进错误：workflow = StateGraph(State)被错误缩进在summarization_node函数内部，导致后续代码无法识别workflow变量。

具体修复步骤

修正llm变量定义
找到这一行代码：

llm = ChatOpenAI(model="openai/gpt-4o-mini",openai_api_base="https://openrouter.ai/api/v1", temperature=0),

去掉末尾的逗号，修改为：

llm = ChatOpenAI(model="openai/gpt-4o-mini",openai_api_base="https://openrouter.ai/api/v1", temperature=0)

修正workflow的缩进
将summarization_node函数内的workflow = StateGraph(State)移到函数外部，确保它和后续的workflow.add_node等代码处于同一缩进层级。修正后的代码片段如下：

def summarization_node(state: State):
    ''' Summarize the text in one short sentence '''
    prompt = PromptTemplate(
        input_variables=["text"],
        template="Summarize the following text in one short sentence.\n\nText:{text}\n\nSummary:"
    )
    message = HumanMessage(content=prompt.format(text=state["text"]))
    summary = llm.invoke([message]).content.strip()
    return {"summary": summary}

# 把这一行移出函数，放在这里
workflow = StateGraph(State)

# Add nodes to the graph
workflow.add_node("classification_node", classification_node)
workflow.add_node("entity_extraction", entity_extraction_node)
workflow.add_node("summarization", summarization_node)
...