用 LangChain 把大模型串起来：一个前端开发者的 AI 入门笔记

不会敲代码12026-02-22 9:42

从零开始LangChain：构建你的第一个AI应用工作流

引言

2022年ChatGPT横空出世，让全世界见识了大型语言模型（LLM）的魔力。但你知道吗？有一个叫LangChain的框架其实比ChatGPT还早，最近它发布了1.0+版本，成为了AI应用开发的"明星框架"。

LangChain是什么？拆开名字：Lang （语言） + Chain（链）。它把大语言模型和一系列任务节点像链条一样连接起来，形成一个工作流。就像n8n、Coze这些可视化工具把节点串起来一样，LangChain用代码的方式帮你搭建AI应用。

这篇文章我会带你从零开始，一步步用LangChain写几个小例子，从最简单的模型调用，到用"链"组合复杂的任务流程。所有代码都基于ES Module （type: "module"），你可以直接复制运行。

环境准备：先跑通一个最简单的例子

在开始之前，确保你安装了Node.js（18+版本），然后创建一个新项目，安装必要的依赖：

bash 复制代码 
npm init -y
npm install dotenv langchain @langchain/deepseek

在package.json中加入 "type": "module"，这样我们就可以使用import语法。

创建一个.env文件，放你的DeepSeek API密钥（如果没有可以去platform.deepseek.com申请）：

ini 复制代码 
DEEPSEEK_API_KEY=你的密钥

现在，写第一个脚本main.js：

javascript 复制代码 
import 'dotenv/config'
import { ChatDeepSeek } from '@langchain/deepseek'

// 初始化模型
const model = new ChatDeepSeek({
  model: 'deepseek-reasoner',
  temperature: 0,  // 控制随机性，0表示最确定
})

// 调用模型
const res = await model.invoke('用一句话解释什么是RAG')
console.log(res.content)

运行node main.js，你应该能看到模型输出的回答。

这段代码做了什么？

  • ChatDeepSeek是一个"适配器"，LangChain用它来统一不同大模型的接口。以后换GPT、Claude，只需要改一下import和配置，其余代码几乎不用动。
  • model.invoke是最核心的方法，把问题传给模型，然后得到回答。
  • API密钥从环境变量自动读取，不用写在代码里，安全又方便。

这就是LangChain最基础的用法：把大模型当成一个可调用的函数。

第一章：更灵活的提问------提示词模板

直接写死的提问太死板了。如果我想让模型扮演不同角色、限制回答长度，每次都拼接字符串会很麻烦。LangChain提供了PromptTemplate，像填空一样生成提示词。

新建1.js：

javascript 复制代码 
import 'dotenv/config'
import { ChatDeepSeek } from '@langchain/deepseek'
import { PromptTemplate } from '@langchain/core/prompts'

// 定义一个模板
const prompt = PromptTemplate.fromTemplate(`
你是一个{role}。
请用不超过{limit}字回答以下问题：
{question}
`)

// 填入具体内容
const promptStr = await prompt.format({
  role: '前端面试官',
  limit: '50',
  question: '什么是闭包'
})

console.log('生成的提示词：', promptStr)

// 调用模型
const model = new ChatDeepSeek({
  model: 'deepseek-reasoner',
  temperature: 0.7,
})

const res = await model.invoke(promptStr)
console.log('回答：', res.content)

运行后，你会看到模型根据"前端面试官"的身份，用不超过50字解释了闭包。

  • 如图

PromptTemplate让我们把提示词的结构和内容分离，方便复用。比如你可以换一个角色问同样的问题，只需改format的参数即可。

第二章：什么是"链"？用pipe连接节点

上面的例子还是两步走：先生成提示词，再调用模型。LangChain的核心理念是"链"（Chain），它可以把多个步骤像管道一样连接起来，成为一个可执行的单元。

新建2.js：

javascript 复制代码 
import 'dotenv/config'
import { ChatDeepSeek } from '@langchain/deepseek'
import { PromptTemplate } from '@langchain/core/prompts'

const model = new ChatDeepSeek({
  model: 'deepseek-reasoner',
  temperature: 0.7,
})

const prompt = PromptTemplate.fromTemplate(`
你是一个前端专家，用一句话解释：{topic}
`)

// 用 pipe 把 prompt 和 model 连接成一个链
const chain = prompt.pipe(model)
//打印chain可以看到它的类型为RunnableSequence，和它的节点
console.log(chain)
// 直接调用链，传入变量
const res = await chain.invoke({
  topic: '闭包'
})

console.log(res.content)
  • 执行效果图
  1. 执行打印chain
  1. 执行打印输出结果

注意看，prompt.pipe(model)返回了一个新的对象，它也是一个"可运行"的链。我们调用chain.invoke({ topic: '闭包' })，内部会自动执行：

  1. 用传入的{topic: '闭包'}填充prompt模板，生成提示词。
  2. 把提示词传给model，得到回答。
  3. 返回最终结果。

整个过程就像工厂流水线：原材料（topic）进入第一道工序（prompt模板），产物（提示词）直接传给下一道工序（模型），最后产出成品（回答）。

这就是LangChain最基础的链：RunnableSequence（可运行序列）。你不需要手动调用两次，代码更简洁，逻辑更清晰。

第三章：组合多个链------复杂任务的工作流

现实中的AI任务往往不止一步。比如我想让模型先详细解释一个概念，然后把这个解释总结成三个要点。这需要两个步骤，而且第二步要用到第一步的输出。

LangChain提供了RunnableSequence来组合多个链。我们新建3.js：

javascript 复制代码 
import { ChatDeepSeek } from '@langchain/deepseek'
import { PromptTemplate } from '@langchain/core/prompts'
import { RunnableSequence } from '@langchain/core/runnables'
import 'dotenv/config'

const model = new ChatDeepSeek({
  model: 'deepseek-reasoner',
  temperature: 0.7,
})

// 第一步：详细解释概念
const explainPrompt = PromptTemplate.fromTemplate(`
你是一个前端专家，请详细介绍以下概念：{topic}
要求：覆盖定义、原理、使用方式，不超过300字。
`)

// 第二步：总结要点
const summaryPrompt = PromptTemplate.fromTemplate(`
请将以下前端概念解释总结为3个核心要点（每个要点不超过20字）：
{explaination}
`)

// 分别构建两个链
const explainChain = explainPrompt.pipe(model)
//我们打印explainChain也可以看到它的类型和节点
console.log(explainChain)
const summaryChain = summaryPrompt.pipe(model)

// 用 RunnableSequence 组合它们
const fullChain = RunnableSequence.from([
  // 第一步：输入 topic -> 得到详细解释
  async (input) => {
    const res = await explainChain.invoke({ topic: input.topic })
    return res.content  // 将解释传给下一步
  },
  // 第二步：拿到上一步的解释 -> 生成总结
  async (explaination) => {
    const res = await summaryChain.invoke({ explaination })
    return `知识点：${explaination}\n总结：${res.content}`
  },
])

// 执行完整链
const res = await fullChain.invoke({
  topic: '闭包'
})
console.log(res)
  • 效果图
  1. 打印explainChain

2.打印输出结果

这段代码稍微复杂一点，但逻辑很清晰：

  • explainChain：输入topic，输出详细解释。
  • summaryChain：输入explaination（详细解释），输出总结。
  • 我们用RunnableSequence.from([...])把两个步骤串起来。数组里的每个元素是一个函数，接收上一步的输出，返回下一步的输入。
  • 最后调用fullChain.invoke({ topic: '闭包' })，内部自动执行两步，并把最终结果返回。

运行后你会看到模型先给出了关于闭包的详细解释（不超过300字），然后给出了三个要点总结。整个流程自动化完成，无需人工介入。

深入理解：LangChain的适配器模式与可拔插设计

你可能注意到，所有代码中我们只引用了@langchain/deepseek这一个具体模型包。如果我想换成OpenAI的GPT，该怎么做？只需要：

bash 复制代码 
npm install @langchain/openai

然后把import { ChatDeepSeek }改成import { ChatOpenAI }，model参数稍作调整即可，其余代码几乎不用动。

这就是LangChain的"适配器模式"。它定义了一套统一的接口（如invoke、stream等），各个模型厂商通过适配器实现这些接口。这样一来，你的业务逻辑和具体模型解耦，大模型更新换代再快，你只需换一个适配器，不用重写应用。

总结

通过这几个小例子，我们走过了LangChain的入门之路：

  1. 基础调用：用适配器连接大模型，执行最简单的问答。
  2. 提示词模板 ：用PromptTemplate动态构造输入，让提示词更灵活。
  3. 简单链 ：用pipe把模板和模型连接起来，形成可复用单元。
  4. 复杂链 ：用RunnableSequence组合多个链，实现多步骤工作流。

LangChain不仅仅是"链"，它还是一个完整的AI应用开发框架，提供了记忆、工具调用、代理（Agent）等高级功能。但无论多复杂的功能，底层都离不开我们今天学到的核心思想：把任务拆分成节点，用链条连接，让流程自动化。

现在你已经掌握了LangChain的基本功，可以尝试用它搭建更酷的应用了，比如文档问答机器人、自动化报告生成器等等。如果在实践中遇到问题，欢迎在评论区留言交流。

相关推荐
怕浪猫3 小时前
小程序成长计划上新：10 亿 Token 现在能调 DeepSeek-v4.1-flash了
人工智能·aigc·ai编程
我真会写代码5 小时前
LangChain 从0入门：模型、消息、Prompt、Tools、记忆、Agent与LangSmith实战
langchain·prompt
stormzhangV7 小时前
未来十年的建议
人工智能·aigc·agent
孟健9 小时前
我用Grok Bot本地剪口播视频，3段提示词搞定气口切除、字幕与封面
人工智能·python·aigc
小碗细面10 小时前
Magpie 实战教程：一个本地网关，让 Claude Code 跑 Kimi、Codex 跑 DeepSeek
aigc·ai编程
GISer_Jing12 小时前
SuperAgent
ai·langchain
前端精髓13 小时前
langchain 短期记忆（状态）动态运行时上下文
python·langchain
threerocks14 小时前
2027 年最赚钱的 AI 创业方向
aigc·openai·ai编程
lyai00715 小时前
读完 DeepSeek Harness 源码，我给自己画了一张「最小 CLI Agent」施工图
llm·agent
西安小哥17 小时前
大模型 Agent 做日常任务，卡住的从来不是模型能力
aigc
热门推荐
01国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）02历年考研数学一、数学二、数学三真题试卷及答案PDF03GitHub 镜像站点04几个好用的ip纯净度检测网站05昇腾910B系列芯片完全指南：四款型号对比、服务器选型与大模型部署实战06苹果iPA游戏软件资源下载网站07蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接08如何新建文件夹？ 电脑新建文件夹的4种方法09Dify：一站式AI应用开发平台全解析与Windows部署指南10微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新