3 步跑通第一個智能體LangChain.js 上手指南【免費(fèi)下載鏈接】langchainjsThe agent engineering platform項(xiàng)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(qiáng)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(yùn)行時去管理。上圖是倉庫測試?yán)锏恼鎸?shí)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(dāng)固定測試素材用來驗(yàn)證模型看圖說話的能力檢索增強(qiáng)RAG讓模型基于你的資料回答文檔先用 loader 讀進(jìn)來經(jīng)過文本切分、向量化后存進(jìn)向量庫提問時先檢索出最相關(guān)的片段再拼進(jìn)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(jìn)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(hù)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(shí)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(xiàng)。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(fù)責(zé) 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(yùn)行時多模型用戶— OpenAI、Anthropic、Google、Ollama 等廠商各有獨(dú)立包換模型只換依賴智能體開發(fā)者—createAgent加 agent 運(yùn)行時把工具調(diào)用、狀態(tài)、記憶打包處理想按需引入的團(tuán)隊— monorepo 里 langchain、langchain-core 和各 provider 包互相獨(dú)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。【免費(fèi)下載鏈接】langchainjsThe agent engineering platform項(xiàng)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(fèi)下載鏈接】langchainjsThe agent engineering platform項(xiàng)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(qiáng)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(yùn)行時去管理。上圖是倉庫測試?yán)锏恼鎸?shí)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(dāng)固定測試素材用來驗(yàn)證模型看圖說話的能力檢索增強(qiáng)RAG讓模型基于你的資料回答文檔先用 loader 讀進(jìn)來經(jīng)過文本切分、向量化后存進(jìn)向量庫提問時先檢索出最相關(guān)的片段再拼進(jìn)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(jìn)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(hù)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(shí)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(xiàng)。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(fù)責(zé) 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(yùn)行時多模型用戶— OpenAI、Anthropic、Google、Ollama 等廠商各有獨(dú)立包換模型只換依賴智能體開發(fā)者—createAgent加 agent 運(yùn)行時把工具調(diào)用、狀態(tài)、記憶打包處理想按需引入的團(tuán)隊— monorepo 里 langchain、langchain-core 和各 provider 包互相獨(dú)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。【免費(fèi)下載鏈接】langchainjsThe agent engineering platform項(xiàng)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