5分钟上手LangChain.js：用DeepSeek给你的App加上AI能力

之前我的想法是这样的：ChatGPT这么强，怎么才能把它接到我的 Node 项目里？直接调 API 不行吗？

当然可以。但如果你的需求不只是"发一句话等回复"，而是想让 AI 记住对话上下文 、从自己的知识库里找答案 、甚至自己决定调用哪个函数------这时候 LangChain 就派上用场了。

我也是个 JS/TS 开发者，之前翻 LangChain 官方文档，满眼都是 Python 示例，倒不是说不能看，但是确实看着不太舒服，偶尔遇到不熟悉的api还需要查文档或问AI。好在现在 1.0 版本已经很成熟，今天我就用最少的代码，带你跑通第一个 LangChain.js 应用，而且用的是国内友好的 DeepSeek API。

第一步：装包

新建一个空目录，初始化并安装依赖：

bash 复制代码

mkdir langchain-demo
cd langchain-demo
npm init -y
npm install langchain @langchain/openai

等等，你不是说用 DeepSeek 吗，怎么装的是 @langchain/openai？

因为 DeepSeek 提供了完全兼容 OpenAI 的接口 ，我们只需要改一行 baseURL 就行，这是 LangChain 统一接口设计的好处。

第二步：拿个 API Key

去 DeepSeek 开放平台注册个账号，在 API Keys 页面生成一个密钥，复制下来。

第三步：写代码

项目根目录新建 index.js，把下面这段粘进去：

js 复制代码

import { ChatOpenAI } from "@langchain/openai";
import { ChatPromptTemplate } from "@langchain/core/prompts";
import { StringOutputParser } from "@langchain/core/output_parsers";

// 1. 用 DeepSeek 的接口，只改 baseURL 和 model 名
const model = new ChatOpenAI({
  apiKey: '你的api key',
  model: "deepseek-chat",
  temperature: 0.7,
  baseURL: "https://api.deepseek.com/v1",
});

// 2. 写个提示词模板，{topic} 是占位符
const promptTemplate = ChatPromptTemplate.fromMessages([
  ["system", "你是一个幽默的脱口秀演员。"],
  ["human", "给我讲一个关于{topic}的笑话。"],
]);

// 3. 输出解析器：把 AI 的回复转成纯文本
const outputParser = new StringOutputParser();

// 4. 用 .pipe() 串成一条链
const jokeChain = promptTemplate.pipe(model).pipe(outputParser);

// 5. 执行
async function main() {
  const joke = await jokeChain.invoke({
    topic: "程序员",
  });
  console.log(joke);
}

main().catch(console.error);

然后跑起来：

复制代码

node index.js

如果一切顺利，你会看到类似这样的输出：

ini 复制代码

为什么程序员总分不清万圣节和圣诞节？
因为 Oct 31 == Dec 25！
（八进制31等于十进制25）

简单来说，一个典型的链式工作流是：

用户输入 + 提示词模板 ➡️ 构造完整提示 ➡️ 发送给模型 ➡️ 获取模型原始输出 ➡️ 解析为可用格式

这短短十几行，藏了 LangChain 四个最核心的概念

概念	在你的代码中对应	作用
📝 提示词模板 (Prompt Templates)	`ChatPromptTemplate`	将用户输入（如`{topic}`）和固定指令组合，构造出给模型的完整提示。它使提示可复用、可管理。
🧠 模型 (Models)	`ChatOpenAI`	这是与大语言模型（LLM）交互的接口。LangChain支持多种提供商（OpenAI、Anthropic、本地模型等），通过统一的接口调用。
🔧 输出解析器 (Output Parsers)	`StringOutputParser`	将模型输出的原始响应（通常是复杂的对象）解析、转换成你应用程序容易处理的格式（如字符串、JSON对象）。
⛓️ 链 (Chains)	`promptTemplate.pipe(model).pipe(outputParser)`	链是LangChain的灵魂。它通过 `.pipe()` 方法，将多个组件（模板、模型、解析器等）按顺序组合成一个可执行的工作流。`jokeChain.invoke` 就是执行这个工作流。

跑通之后，建议你动手改一改

把 topic 换成"猫"、"面试"、"股票"......看看 AI 的幽默感稳不稳定；
把 temperature 改成 0.1 和 0.9 各跑一次，感受一下"确定性"和"创造力"的区别；
删掉 .pipe(outputParser)，看看 invoke 返回的原始对象长什么样。

这些改动花不了两分钟，但对理解 LangChain 的工作流非常有帮助。

写在最后

这只是 LangChain 世界里的 "Hello World" 。一旦你习惯了 模型 → 模板 → 解析器 → 链 这个模式，后面学 RAG（检索增强生成）、Agent（智能体）都会非常顺畅。

这篇文章用的是 LangChain.js 1.0 的最新 API。如果你也在用 JS/TS 做 AI 应用，别再被 Python 教程劝退了------这套工具链，我们前端用着也挺顺手，希望可以帮助你入门~