企业官网建设流程全解析

LangChain.js 入门指南：三步配置搭出会调用工具的 AI 智能代理

【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs

做 AI 应用，大多数人卡在同一处：模型接口各家不同，接数据、接工具要重复造轮子，从头写一遍非常累。LangChain.js 是一个 TypeScript 写的 AI 应用开发框架，把模型、提示词、工具、检索这些环节做成了统一抽象，让你用几行配置就能搭起一个能调工具的智能代理。

这篇面向刚接触它的新手，讲清楚它解决什么问题、核心能力有哪些、最少的上手步骤是什么，以及上手后去哪里找更多示例。

它先帮你解决了什么

难点不在调模型，而在把东西接起来

大模型本身只知道训练时学到的内容。想让它回答"今天天气如何"，要接实时数据；想让它记住"你昨天说过什么"，要接存储；想让它查公司 wiki，要接检索。每一样都意味着一段新的集成代码，写起来琐碎还容易错。

统一接口，换模型只改一行

LangChain.js 把主流厂商（OpenAI、Anthropic、Google、Ollama 等）的对话能力抽象成同一种形式。对现在的效果不满意时，换掉那一行模型构造代码就行，上层的应用逻辑不用动。模型可互换，是它最实用的特性之一。

核心能力速览：三块主骨架

🧩 可以把它理解成三块骨架：模型交互、检索增强、智能代理。

提示词与结构化输出

提示词模块支持变量模板和少样本示例。结构化输出则让你先给出一个 schema，模型会返回符合结构的数据，不用自己再写一段文本解析代码去抠格式。

检索增强：让回答有据可查

企业知识库问答是典型场景：先从向量库里查出相关文档，再连同问题一起塞进提示词，回答就有了依据。文本切分、向量库、检索器都有现成集成，examples/src/ 里有完整的链式示例可以参考。

智能代理：模型自己决定调哪个工具

智能代理让模型自己决定"该用哪个工具、按什么顺序用、何时结束"。一个工具就是一个函数加上参数描述，模型会按需调用。它还支持多模态输入——把图片文件直接传给模型让它识别，仓库测试数据里就有这样的用例。

三步上手：从安装到第一个智能代理

三分钟装好环境

⚡ 在终端执行下面这行命令，装上核心包。之后再按所用厂商补装对应的集成包，比如 @langchain/openai。

npm install -S langchain

最快接入模型的方式：三行配置构建第一个智能代理

核心代码只有几行。下面这段定义了一个"查用户信息"的工具，交给 createAgent，模型会自动判断何时调用它。

const agent = createAgent({ model: new ChatOpenAI({ model: "gpt-4o" }), tools: [getUserInfo], }); const result = await agent.invoke({ messages: "查一下 abc123 这位用户" });

运行后，模型会先发起工具调用，再基于返回值生成最终答复。完整写法（含工具定义与内存存储）见 examples/src/createAgent/tools.ts，照着抄即可跑通。

能走多远：两个实战场景

带记忆的对话助手

💾 代理目录下有长期记忆和线程级状态的完整示例：助手可以跨会话记住用户信息，甚至自己通过工具读写记忆。适合做客服、私人助理这类需要"记性"的应用，示例在 examples/src/createAgent/accessLongTermMemory.ts。

多智能体协作

想从单代理扩展到多代理，examples/src/multi-agent/ 下有交接、路由问答、技能调度等常见生产模式的现成写法，比自己摸索快得多。

下一步去哪：示例与资源索引

🧭 上手之后，建议直接在示例库里"以例学库"。

examples 目录：上百个可运行的实战案例

示例目录本身就是一本实战手册，覆盖链式流程、记忆、向量库、评估、部署等场景。跑法很简单：先安装依赖并构建，再按 examples/src/README.md 里的说明指定路径运行即可。

文档与生态

仓库内的文档索引在 docs/core_docs/README.md。如果你后续需要更精细的流程编排和人工介入控制，可以进一步了解同生态的 LangGraph；想要更高层的代理模式（规划、子代理、文件系统），则看看 Deep Agents 这个基于 LangChain.js 的进阶包。

框架负责把这些环节拼好，剩下的是你业务里的数据和工具。先跑通一个最小代理，再往里加能力，通常是阻力最小的路线。

【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs