LangChain.js 智能代理框架完整入门指南3步跑通第一个AI应用【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs想让 AI 帮你查资料、调工具却不想从零搭框架LangChain.js 这个 TypeScript 智能代理框架就是为你准备的模型、提示词、工具和检索都被封装成标准组件你只管把配置拼起来就能得到一个会自己调工具的对话助手。3步装好 LangChain.js先把例子跑起来克隆仓库并安装依赖仓库是 pnpm 工作区装完先构建一次git clone https://gitcode.com/GitHub_Trending/la/langchainjs cd langchainjs pnpm install pnpm build配置 Key把仓库里的 .env.example 复制为 .env填入任意一家模型厂商的 Key。跑最小示例在 examples/ 目录执行pnpm run start ./src/createAgent/tools.ts智能代理会按问题自动调用工具。如果只想感受模型怎么接三行代码就够import { ChatOpenAI } from langchain-openai; const model new ChatOpenAI({ model: gpt-4o-mini }); const res await model.invoke(用一句话介绍 LangChain);上面这张网页截图是仓库 OpenAI 集成测试里真实用到的图片输入——也就是说图片和网页内容可以直接喂给模型不需要你额外做解析。拆开看框架替你干了什么智能代理让模型自己决定调哪个工具用 createAgent 建一个智能代理你给它一份工具清单查库、读文件、调 API模型自己判断该调哪个工具、按什么顺序调结果自动回灌给它直到给出最终答案。路由逻辑不用你写 if/else。模型互操作换模型不改业务代码libs/providers/ 下放了 30 多个集成包OpenAI、Anthropic、Google、Ollama、Mistral 都有对外暴露同一套接口。想把 GPT 换成 Claude只改构造器和 Key业务代码一行不动。检索增强让 AI 先查资料再回答RAG检索增强生成的思路是先从向量库或知识源里检索出与问题相关的文档片段塞进提示词再让模型作答。答案有了出处幻觉自然就少了。AI 凭什么记得你上一句说了什么多轮对话离不开记忆否则每问一句都像初次见面用户得反复交代背景。createAgent 默认保留当前会话的消息历史你直接追问它多少钱就能接上。对话变长、上下文快装不下时加一个 summarization 之类的中间件自动压缩旧消息示例在 examples/src/createAgent/middleware/summarization.ts智能代理可以一直聊下去不丢线。两个能直接抄的场景对话式问答助手——给做内部问答入口、个人助理的人用。问题在于单轮问答没有上下文也查不到实时数据。流程是createAgent 挂一个搜索工具加会话记忆用户提问智能代理自己调检索、结合对话历史作答examples/src/createAgent/ 下的样本可以照着改。企业销售助手——给客服与销售支持团队用。问题在于产品知识散在文档里客户记录在 CRM 里两边都要人翻。流程是产品资料先建索引进向量库智能代理接到问题先检索相关条款再调 CRM 工具查客户往来最后组织答复知识、工具、对话在一处收口。接下来看哪些示例examples/src/createAgent/智能代理完整示例集覆盖工具、中间件到多智能体协作适合第一次搭智能代理的人examples/src/langchain-classic/提示词、链、检索、记忆等经典示例适合补齐基础概念libs/providers/30 多个模型与向量库集成包适合选定具体模型厂商后查接入方式集成模块化、模型可替换、Node.js 与浏览器、边缘函数多端可跑是选择这个智能代理框架的三条硬理由。把仓库克隆下来照着 examples 里的例子逐个跑一遍你的第一个智能代理半天就能跑活。【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考