如何在LangChain链中为LLM与模板分配对应输入参数？

你遇到的核心问题是：链不会自动将传入的变量池参数覆盖LLM组件的初始化配置。你初始化ChatOpenAI时硬编码了max_tokens=1，后续invoke传入的max_tokens=100只会被PromptTemplate读取（但模板里未用到该变量），并不会传递给LLM的配置项。

直接使用bind方法结合lambda表达式，将输入中的max_tokens动态绑定到LLM的参数上，代码如下：

from langchain_core.prompts import PromptTemplate
from langchain_openai import ChatOpenAI

# 定义Prompt模板
prompt = PromptTemplate.from_template("write a joke about: {input_text}")
# 动态绑定max_tokens为输入中的对应值
llm = ChatOpenAI(model_name="gpt-4o").bind(max_tokens=lambda x: x["max_tokens"])
# 构建链
chain = prompt | llm

# 调用链，传入两个参数
result = chain.invoke({"max_tokens": 100, "input_text": "programming!"})
print(result.content)

• bind方法允许为LLM动态绑定参数，这里用lambda表达式从输入字典中提取max_tokens值，替代初始化时的固定配置。
• 链执行时，prompt会先消费input_text生成完整提示词，随后LLM会读取输入中的max_tokens参数应用到生成配置中。

内容的提问来源于stack exchange，提问作者Michael T