LangChain开发核心技巧，动态切换AI大模型参数
着往下看。
configurable_fields 的默认值为 None，对应关闭所有动态配置；传入字面量 'any' 时开放全量参数的动态修改权限；传入 list[str] / tuple[str, ...] 字符串序列时，仅开放显式声明的参数的修改权限。
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在 AI 大模型的参数配置体系中，90% 的常规业务场景，仅需配置model、temperature和max_tokens三个核心参数，即可完成模型的基础调用配置。
完成参数配置后，可直接通过invoke()方法调用 AI 大模型，接收并获取模型生成的回复结果。
若需灵活调整参数，我们可通过with_config()方法，在完整保留原有基础配置的前提下，快速修改目标参数并生成全新的模型实例；该实例无需额外冗余配置，同样可直接通过invoke()方法完成调用。
import os from dotenv import load_dotenv from langchain.chat_models import init_chat_model # @老陈说编程 今日头条 哔哩哔哩 load_dotenv() config_llm = init_chat_model(model="qwen3.6-plus", model_provider="openai", base_url=os.getenv("QWEN_BASE_URL"), api_key=os.getenv("QWEN_API_KEY"), configurable_fields=["model", "temperature", "max_tokens"], temperature=0.5, max_tokens=200) response = config_llm.invoke("你好，请用一句话介绍自己") print(response.content) print("-" * 50) # 切换大模型 llm_plus = config_llm.with_config( configurable={"model": "deepseek-v4-pro", "temperature": 0.4, " max_tokens": 100} ) response = llm_plus.invoke("你好，请用一句话介绍自己") print(response.content)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="你申请的API KEY" QWEN_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1"