如何用RouterChain适配多链不同输入？解决Missing input keys报错

核心问题分析 #

路由到team链时，Router返回的next_inputs仅包含原始问题文本（如input键），但team链需要明确的team参数，导致参数缺失错误。

标准实现方案 #

1. 调整Router的Prompt模板，明确参数提取要求 #

修改Router提示词，让LLM不仅返回目标链名称，还要从问题中提取目标链所需参数（如球队名称），并以JSON格式输出。

示例Prompt模板：

from langchain.prompts import PromptTemplate

router_template = """
给定用户问题，判断路由目标链并提取对应参数：
- 球队相关问题路由到"team_chain"，提取球队名称作为"team"参数
- 其他问题路由到对应链

必须返回JSON格式，包含两个键：
- "destination": 目标链名称
- "next_inputs": 包含目标链所需参数的字典

用户问题：{input}
格式要求：{format_instructions}
"""

router_prompt = PromptTemplate(
    template=router_template,
    input_variables=["input"],
    partial_variables={"format_instructions": ""}
)

2. 用结构化输出解析器约束格式 #

使用JsonOutputParser强制LLM输出符合要求的JSON，避免格式混乱。

示例代码：

from langchain.output_parsers import JsonOutputParser
from pydantic import BaseModel, Field

# 定义输出结构约束
class RouteOutput(BaseModel):
    destination: str = Field(description="目标链名称")
    next_inputs: dict = Field(description="目标链所需参数字典")

parser = JsonOutputParser(pydantic_object=RouteOutput)

# 更新Prompt，加入格式说明
router_prompt.partial_variables["format_instructions"] = parser.get_format_instructions()

3. 构建Router链 #

将LLM、Prompt和解析器组合成Router链，确保输出为结构化字典。

示例代码：

from langchain.llms import OpenAI
from langchain.chains import LLMChain

llm = OpenAI(temperature=0)
router_chain = LLMChain(llm=llm, prompt=router_prompt, output_parser=parser)

4. 定义目标team链 #

明确team链的输入参数包含team和input：

team_template = """
已知球队联赛冠军数：
- 曼联: 20个
- 利物浦: 19个
- 阿森纳: 13个

回答用户问题：{input}
"""

team_prompt = PromptTemplate(
    template=team_template,
    input_variables=["team", "input"]
)
team_chain = LLMChain(llm=llm, prompt=team_prompt)

5. 组装MultiPromptChain #

将Router链和目标链集合传入，确保参数匹配：

from langchain.chains.router import MultiPromptChain

chain_map = {
    "team_chain": team_chain,
    # 其他链...
}

multi_prompt_chain = MultiPromptChain(
    router_chain=router_chain,
    destination_chains=chain_map,
    verbose=True
)

6. 测试验证 #

调用链测试球队问题：

result = multi_prompt_chain.run("曼联赢得了多少个联赛冠军？")
print(result)

此时Router会返回{"destination": "team_chain", "next_inputs": {"team": "曼联", "input": "曼联赢得了多少个联赛冠军？"}}，完全匹配team链的参数要求，不会触发缺失错误。

关键注意点 #

• 在Router的Prompt中必须清晰说明每个目标链的参数提取规则
• 用结构化解析器约束输出格式，避免LLM返回非标准内容
• 目标链的input_variables要和Router返回的next_inputs键完全对应

内容的提问来源于stack exchange，提问作者James