LangChain学习之环境搭建与基础概念（1/8）

模块 1: 环境搭建与基础概念

1.1 LangChain.js/TS 简介

LangChain 是一个用于开发由大型语言模型（LLMs）驱动的应用程序的框架。它提供了一套工具、组件和接口，旨在简化 LLM 应用程序的开发流程。LangChain 支持多种语言，包括 Python 和 JavaScript/TypeScript。对于 TypeScript 开发者而言，LangChain.js 提供了完整的类型安全和现代 JavaScript 生态系统的优势 [1]。

1.2 环境搭建

在开始使用 LangChain.js 之前，需要进行必要的环境搭建。这主要包括安装 LangChain 库及其相关依赖，并配置 LLM 提供商的 API 密钥。

1.2.1 安装核心库

首先，通过 npm 或 yarn 安装 LangChain 的核心库以及您计划使用的 LLM 提供商的集成库。例如，如果使用 DeepSeek 模型，则需要安装 @langchain/openai (因为 DeepSeek 兼容 OpenAI API 协议)：

bash 复制代码

npm install langchain @langchain/openai
# 或者
yarn add langchain @langchain/openai

1.2.2 配置 API 密钥

大多数 LLM 提供商（如 DeepSeek）都需要 API 密钥进行身份验证。建议将这些密钥存储在环境变量中，以确保安全性并避免将其硬编码到代码中。例如，对于 DeepSeek API 密钥，可以在 .env 文件中设置 DEEPSEEK_API_KEY：

dotenv 复制代码

DEEPSEEK_API_KEY="your_deepseek_api_key_here"

然后在您的 TypeScript 代码中，可以使用 process.env 来访问这些环境变量。为了在 Node.js 环境中加载 .env 文件，通常会使用 dotenv 库：

bash 复制代码

npm install dotenv

并在应用程序的入口文件顶部引入并配置 dotenv：

typescript 复制代码

import 'dotenv/config';
// 现在可以通过 process.env.DEEPSEEK_API_KEY 访问密钥

1.3 LLM 与 Chat Models

在 LangChain 中，有两种主要的模型类型用于与大型语言模型进行交互：LLM (Large Language Models) 和 Chat Models (聊天模型)。理解它们之间的区别对于选择合适的模型接口至关重要。

1.3.1 LLM (Large Language Models)

LLM 接口通常用于处理纯文本输入和输出 。它们接收一个字符串作为输入，并返回一个字符串作为输出。这适用于需要生成文本、完成句子或进行文本摘要等任务。例如，OpenAI 类就是 LLM 接口的一个实现，但我们可以通过配置使其指向 DeepSeek 的 API。

typescript 复制代码

import { ChatOpenAI } from "@langchain/openai"; // 注意：DeepSeek 兼容 OpenAI API，所以仍使用 @langchain/openai

const model = new ChatOpenAI({
  model: "deepseek-v4-flash", // 指定 DeepSeek 模型
  temperature: 0.9, // 控制输出的随机性
  apiKey: process.env.DEEPSEEK_API_KEY, // 使用 DeepSeek API Key
  configuration: {
    baseURL: "https://api.deepseek.com", // DeepSeek API 的基础 URL
  },
});

const result = await model.invoke("写一个关于人工智能的短篇故事。");
console.log(result.content); // 访问生成内容

1.3.2 Chat Models (聊天模型)

Chat Models 接口专门用于处理一系列消息 作为输入，并返回一个消息作为输出。这些模型更适合于对话式应用，因为它们能够理解对话的上下文和角色（如系统、人类、AI）。ChatOpenAI 类是 Chat Models 接口的一个实现，同样可以配置为使用 DeepSeek。

消息通常由 HumanMessage、AIMessage 和 SystemMessage 等类型组成，它们带有 content 和 role 属性。

typescript 复制代码

import { ChatOpenAI } from "@langchain/openai";
import { HumanMessage, SystemMessage } from "@langchain/core/messages";

const chatModel = new ChatOpenAI({
  model: "deepseek-v4-flash", // 指定 DeepSeek 模型
  temperature: 0.7,
  apiKey: process.env.DEEPSEEK_API_KEY,
  configuration: {
    baseURL: "https://api.deepseek.com", // DeepSeek API 的基础 URL
  },
});

const messages = [
  new SystemMessage("你是一个乐于助人的 AI 助手。"),
  new HumanMessage("你好，请问今天天气怎么样？"),
];

const response = await chatModel.invoke(messages);
console.log(response.content);

1.3.3 总结对比

特性	LLM (Large Language Models)	Chat Models (聊天模型)
输入	纯文本字符串	消息数组 (HumanMessage, AIMessage, SystemMessage)
输出	纯文本字符串	AI 消息对象 (AIMessage)
适用场景	文本生成、摘要、补全	对话系统、聊天机器人、多轮交互
示例类	`ChatOpenAI` (配置为 LLM 行为)	`ChatOpenAI` (配置为 Chat 行为)

参考文献

1\] LangChain.js Overview. (n.d.). Docs by LangChain. Retrieved from