3 步跑通第一個智能體LangChain.js 上手指南【免費下載鏈接】langchainjsThe agent engineering platform項目地址: https://gitcode.com/GitHub_Trending/la/langchainjs想讓應(yīng)用里的 AI 不只聊天還能真正干活——查知識庫、調(diào)接口、處理多步任務(wù)卻又被各家模型廠商各自為政的接口勸退。LangChain.js 就是沖著這個問題來的它用一套統(tǒng)一的抽象把模型輸入輸出、檢索增強和智能體編排包起來讓你用同樣的方式接 OpenAI、Anthropic、Ollama 等廠商再把「模型自己決定下一步調(diào)什么工具」的循環(huán)交給框架。下面從安裝講到第一個 Agent以及哪些示例文件值得先看。LangChain.js 的定位LangChain.js 是一個用 TypeScript 寫的智能體工程框架倉庫對自己的定義就是 the agent engineering platform。它主要解決兩個問題一是模型廠商的接口、消息格式、輸出結(jié)構(gòu)各不相同它用統(tǒng)一的 ChatModel 抽象把文本、多模態(tài)、結(jié)構(gòu)化輸出收口二是「模型決定接下來做什么」這條循環(huán)自己寫很瑣碎它把工具調(diào)用、狀態(tài)、記憶交給 agent 運行時去管理。上圖是倉庫測試里的真實素材給模型一張網(wǎng)頁截圖做圖像理解這類多模態(tài)輸入正是它統(tǒng)一封裝的場景之一。核心能力拆解模型 I/O一套參數(shù)接所有模型同一個 ChatModel 接口覆蓋文本對話、圖片/音頻等多模態(tài)輸入和函數(shù)調(diào)用換模型時只改廠商包和模型編號。倉庫測試目錄里甚至放了一張熱狗圖當固定測試素材用來驗證模型看圖說話的能力檢索增強RAG讓模型基于你的資料回答文檔先用 loader 讀進來經(jīng)過文本切分、向量化后存進向量庫提問時先檢索出最相關(guān)的片段再拼進提示詞。它解決的是「模型不知道你的內(nèi)部資料」這個硬傷檢索質(zhì)量直接決定回答質(zhì)量。智能體模型決定流程內(nèi)存保持上下文連續(xù)這是核心部分createAgent創(chuàng)建的 Agent 會根據(jù)輸入自己決定調(diào)哪個工具工具執(zhí)行完把結(jié)果喂回模型循環(huán)推進直到任務(wù)完成。內(nèi)存管理也歸在這一節(jié)里——會話內(nèi)的短期記憶和跨會話的長期存儲Store都在創(chuàng)建 Agent 時一起配置好對話上下文自然連續(xù)不用你自己維護歷史記錄3 步從零跑通安裝依賴主包加一個模型廠商包npm install -S langchain langchain/openai接模型從 OpenAI、Anthropic、Google、Ollama 里選一家創(chuàng)建對應(yīng)的 Chat 模型類填 API key 和模型編號用本地 Ollama 的話連 key 都可以省。配置第一個 Agent調(diào)用createAgent只改三個字段——model上一步的模型實例、tools工具數(shù)組每個工具聲明名稱、描述和參數(shù)結(jié)構(gòu)、store內(nèi)存先用內(nèi)存版。配置完直接invoke調(diào)用即可。它能幫你做什么場景 A個人多輪對話助手。給助手接上天氣、日歷、搜索這類工具它就能在多輪對話里記住上下文、中途調(diào)用工具、再把結(jié)果流式吐出來。個人向的改動集中在tools字段加工具就是往數(shù)組里加一項。場景 B企業(yè)知識庫加業(yè)務(wù)流程。用倉庫里的路由模式做底座先把用戶問題分類再并行分發(fā)給分別負責 GitHub、Notion、Slack 等知識源的子 Agent最后匯總成一份回答。內(nèi)部文檔、工單、客戶記錄都能從同一個對話入口查業(yè)務(wù)規(guī)則寫在路由和子 Agent 里不污染模型層。繼續(xù)深入cookbook 里的教程內(nèi)容如今都收斂在 examples/ 目錄可以直接跑。先看這三個文件examples/src/createAgent/tools.ts — 智能體調(diào)用工具并把用戶信息寫入跨會話存儲examples/src/multi-agent/router-knowledge-base.ts — 多 Agent 路由分類問題、并行查多個知識源再匯總examples/src/createAgent/streaming.ts — 把 Agent 的思考和輸出流式推給前端適合誰TypeScript 棧開發(fā)者— Node、瀏覽器、Cloudflare Workers 都能跑不需要額外運行時多模型用戶— OpenAI、Anthropic、Google、Ollama 等廠商各有獨立包換模型只換依賴智能體開發(fā)者—createAgent加 agent 運行時把工具調(diào)用、狀態(tài)、記憶打包處理想按需引入的團隊— monorepo 里 langchain、langchain-core 和各 provider 包互相獨立只裝需要的部分下一步打開 examples/src/createAgent/tools.ts用你自己的 API key 跑一遍再把示例里的兩個工具換成你真要查的東西你的第一個 Agent 就出來了。倉庫結(jié)構(gòu)和約定見根目錄 README照著目錄繼續(xù)讀?！久赓M下載鏈接】langchainjsThe agent engineering platform項目地址: https://gitcode.com/GitHub_Trending/la/langchainjs創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考 3 步跑通第一個智能體：LangChain.js 上手指南
3 步跑通第一個智能體LangChain.js 上手指南【免費下載鏈接】langchainjsThe agent engineering platform項目地址: https://gitcode.com/GitHub_Trending/la/langchainjs想讓應(yīng)用里的 AI 不只聊天還能真正干活——查知識庫、調(diào)接口、處理多步任務(wù)卻又被各家模型廠商各自為政的接口勸退。LangChain.js 就是沖著這個問題來的它用一套統(tǒng)一的抽象把模型輸入輸出、檢索增強和智能體編排包起來讓你用同樣的方式接 OpenAI、Anthropic、Ollama 等廠商再把「模型自己決定下一步調(diào)什么工具」的循環(huán)交給框架。下面從安裝講到第一個 Agent以及哪些示例文件值得先看。LangChain.js 的定位LangChain.js 是一個用 TypeScript 寫的智能體工程框架倉庫對自己的定義就是 the agent engineering platform。它主要解決兩個問題一是模型廠商的接口、消息格式、輸出結(jié)構(gòu)各不相同它用統(tǒng)一的 ChatModel 抽象把文本、多模態(tài)、結(jié)構(gòu)化輸出收口二是「模型決定接下來做什么」這條循環(huán)自己寫很瑣碎它把工具調(diào)用、狀態(tài)、記憶交給 agent 運行時去管理。上圖是倉庫測試里的真實素材給模型一張網(wǎng)頁截圖做圖像理解這類多模態(tài)輸入正是它統(tǒng)一封裝的場景之一。核心能力拆解模型 I/O一套參數(shù)接所有模型同一個 ChatModel 接口覆蓋文本對話、圖片/音頻等多模態(tài)輸入和函數(shù)調(diào)用換模型時只改廠商包和模型編號。倉庫測試目錄里甚至放了一張熱狗圖當固定測試素材用來驗證模型看圖說話的能力檢索增強RAG讓模型基于你的資料回答文檔先用 loader 讀進來經(jīng)過文本切分、向量化后存進向量庫提問時先檢索出最相關(guān)的片段再拼進提示詞。它解決的是「模型不知道你的內(nèi)部資料」這個硬傷檢索質(zhì)量直接決定回答質(zhì)量。智能體模型決定流程內(nèi)存保持上下文連續(xù)這是核心部分createAgent創(chuàng)建的 Agent 會根據(jù)輸入自己決定調(diào)哪個工具工具執(zhí)行完把結(jié)果喂回模型循環(huán)推進直到任務(wù)完成。內(nèi)存管理也歸在這一節(jié)里——會話內(nèi)的短期記憶和跨會話的長期存儲Store都在創(chuàng)建 Agent 時一起配置好對話上下文自然連續(xù)不用你自己維護歷史記錄3 步從零跑通安裝依賴主包加一個模型廠商包npm install -S langchain langchain/openai接模型從 OpenAI、Anthropic、Google、Ollama 里選一家創(chuàng)建對應(yīng)的 Chat 模型類填 API key 和模型編號用本地 Ollama 的話連 key 都可以省。配置第一個 Agent調(diào)用createAgent只改三個字段——model上一步的模型實例、tools工具數(shù)組每個工具聲明名稱、描述和參數(shù)結(jié)構(gòu)、store內(nèi)存先用內(nèi)存版。配置完直接invoke調(diào)用即可。它能幫你做什么場景 A個人多輪對話助手。給助手接上天氣、日歷、搜索這類工具它就能在多輪對話里記住上下文、中途調(diào)用工具、再把結(jié)果流式吐出來。個人向的改動集中在tools字段加工具就是往數(shù)組里加一項。場景 B企業(yè)知識庫加業(yè)務(wù)流程。用倉庫里的路由模式做底座先把用戶問題分類再并行分發(fā)給分別負責 GitHub、Notion、Slack 等知識源的子 Agent最后匯總成一份回答。內(nèi)部文檔、工單、客戶記錄都能從同一個對話入口查業(yè)務(wù)規(guī)則寫在路由和子 Agent 里不污染模型層。繼續(xù)深入cookbook 里的教程內(nèi)容如今都收斂在 examples/ 目錄可以直接跑。先看這三個文件examples/src/createAgent/tools.ts — 智能體調(diào)用工具并把用戶信息寫入跨會話存儲examples/src/multi-agent/router-knowledge-base.ts — 多 Agent 路由分類問題、并行查多個知識源再匯總examples/src/createAgent/streaming.ts — 把 Agent 的思考和輸出流式推給前端適合誰TypeScript 棧開發(fā)者— Node、瀏覽器、Cloudflare Workers 都能跑不需要額外運行時多模型用戶— OpenAI、Anthropic、Google、Ollama 等廠商各有獨立包換模型只換依賴智能體開發(fā)者—createAgent加 agent 運行時把工具調(diào)用、狀態(tài)、記憶打包處理想按需引入的團隊— monorepo 里 langchain、langchain-core 和各 provider 包互相獨立只裝需要的部分下一步打開 examples/src/createAgent/tools.ts用你自己的 API key 跑一遍再把示例里的兩個工具換成你真要查的東西你的第一個 Agent 就出來了。倉庫結(jié)構(gòu)和約定見根目錄 README照著目錄繼續(xù)讀?！久赓M下載鏈接】langchainjsThe agent engineering platform項目地址: https://gitcode.com/GitHub_Trending/la/langchainjs創(chuàng)作聲明：本文部分內(nèi)容由AI輔助生成（AIGC），僅供參考