给AI时代大前端的LangChain.js 学习预告
受众 ：Agent 开发初学者 / 实习生 /前端开发/全栈开发
目标 ：用 JavaScript/TypeScript 构建你的第一个 AI Agent
bilibili：计划制作中
你将学到什么？
这个系列将带你从零开始，用 LangChain.js 构建真正能"思考"和"行动"的 AI Agent。
📦 核心模块概览
| # | 模块 | 核心知识点 | 难度 |
|---|---|---|---|
| 1 | 环境搭建与基础概念 | 安装依赖、配置 API Key、LLM vs Chat Models | ⭐ |
| 2 | 提示词模板 (Prompts) | PromptTemplate、ChatPromptTemplate、Few-shot | ⭐ |
| 3 | 模型 I/O 与输出解析器 | 格式化输出为 JSON / List / Zod schema | ⭐⭐ |
| 4 | 链与表达式语言 (LCEL) | Runnable 接口、` | ` 管道符构建链 |
| 5 | 检索增强生成 (RAG) | 文档加载、文本分割、向量存储、Embeddings | ⭐⭐⭐ |
| 6 | 记忆 (Memory) | BufferMemory、SummaryMemory、持久化上下文 | ⭐⭐ |
| 7 | 工具与代理 (Agents) | 自定义 Tools、createAgent、LangGraph 基础 | ⭐⭐⭐ |
| 8 | 实战：简易问答系统 | 综合 RAG + Memory + LCEL 构建完整对话系统 | ⭐⭐⭐ |
为什么选 LangChain.js？
- JavaScript 生态：前端 / Node.js 开发者零门槛上手
- 模块化设计：每个组件可以单独学习，不必一次学完
- 社区活跃：文档完善，示例丰富
- 接近生产：直接用于 Web 应用、API 服务、Serverless 场景
学习路线图
模块 1--2 → 打好基础：环境 + Prompt 模板设计
模块 3--4 → 掌握核心：输出解析 + LCEL 链式调用
模块 5--6 → 进阶能力：RAG 检索增强 + 对话记忆
模块 7 → Agent 思维：工具调用与自主决策
模块 8 → 综合实战：独立完成一个真实项目建议节奏（每天1-2小时）：每 2 个模块约一周，全程约 4 周完成。
预备知识
在开始之前，你只需要：
- 会写基础 JavaScript / TypeScript
- 了解
async/await异步语法 - 有一个 OpenAI 或其他 LLM 提供商的 API Key
💡 不需要深入了解 AI 原理，我们重点关注"如何用"，而不是"如何造"。
一个最简单的例子
typescript
import { ChatOpenAI } from "@langchain/openai";
const model = new ChatOpenAI({ model: "gpt-4o-mini" });
const response = await model.invoke("用一句话解释什么是 AI Agent");
console.log(response.content);
// → "AI Agent 是一种能够感知环境、自主规划并采取行动以完成目标的 AI 系统。"就这么简单。后续我们会在这个基础上，一步步加入记忆、工具和自主决策能力。
学完之后你能做什么？
- ✅ 构建一个能自动回答问题并查询网络的聊天机器人
- ✅ 开发一个读取文档并回答问题的 RAG 应用
- ✅ 搭建一个多步骤自动化任务的 Agent 工作流
📅 敬请期待
系列内容即将上线，关注更新，一起解锁 Agent 开发的新技能 🎯
有问题或建议？欢迎提前交流！