Skip to Content
LangChain.js Agent 开发权威指南 封面

LangChain.js Agent 开发权威指南

从 1.x 抽象到生产级 Agent

篇幅
68 篇
开始阅读GitHub 仓库飞书版

前言

为什么写这本书

去年某个深夜，我在 GitHub 上盯着 LangChain.js 的 README 翻了 20 多分钟，想搞清楚一个 Agent 如何把对话历史正确地持久化到 Postgres。文档里给的例子全是 Python，搜出来的中文博客有的还停留在两个大版本前的旧 API，有的是机翻 Python 教程后没改对的 JS 代码——直接 pip install 出现在了 npm 安装命令里。

那一刻我有点烦躁。Node.js 是 Web 后端最主流的运行时之一，TypeScript 是几乎所有现代前端项目的默认语言，但当工程师想用熟悉的语言进入 LLM 应用开发时，能找到的资料质量和数量都和 Python 生态差出至少一个数量级。LangChain.js 在 npm 上周下载量已经稳定突破六位数，可对应的中文教程依然零散、过时、错漏百出。

这本书就是写给那个夜里的我，以及所有处在类似困境里的 JS/TS 工程师。我把过去半年踩过的坑、走过的弯路、看过的源码、做过的项目，整理成一条尽量短的路径：让你从”听说过 LangChain”到”能独立交付一个生产级 AI Agent 产品”，中间不再需要去 Python 文档里翻译对照。

这本书写给谁

我假设你已经具备以下背景：

  • 至少 1 年 TypeScript / Node.js 开发经验，熟悉 async/await、ES Module、npm 工作流
  • 大致用过一次 OpenAI 或 Anthropic 的 SDK（知道 API Key 在哪儿、什么是 system prompt 就行）
  • 看过几篇关于 LLM 的文章，理解 token、context window 这些基本概念

如果你是以下任一类型，这本书都会对你有用：

  • Node.js / 全栈工程师：想把已有的 Web 工程能力延伸到 AI Agent 产品方向，但不想从头学一遍 Python 生态。
  • Python LangChain 用户：因为业务需要迁移到 JS/TS 技术栈（比如要和 Next.js、Cloudflare Workers 集成），需要快速找到对应的 JS API。
  • AI 应用架构师 / 技术负责人：需要评估 LangChain.js 在生产环境的工程取舍，理解 LangGraph 状态机、RAG 工程化、可观测性等关键决策。
  • AI 时代的内容创作者 / 独立开发者：想从零搭一个真能上线的 Agent 产品，而不只是 Demo。

这本书不适合谁：

  • 零基础编程学习者：本书不教 JavaScript / TypeScript 基础语法，也不解释什么是 HTTP。
  • 想学模型训练或微调的人：本书是应用层教程，完全不涉及 PyTorch、Transformer 内部结构、SFT/RLHF 等话题。
  • 追求”5 分钟搞定 AI Agent”的人：这本书的目标是让你能独立把控生产环境的复杂度，每一章都会要求你动手跑代码、读源码、做权衡，不会有”复制粘贴就上线”的捷径。

这本书覆盖什么 / 不覆盖什么

覆盖：

  • LangChain.js 1.x 的核心抽象：Runnable 接口、LCEL 表达式、Model I/O、Prompt Templates、Output Parsers
  • Chain 组合的五种模式：顺序、并行、分支、流式、容错
  • 三种记忆系统的工程实现（Buffer / Summary / VectorStore），以及多用户隔离的生产实践
  • Tool 系统与 Function Calling 的跨模型统一，MCP（Model Context Protocol）集成
  • Agent 架构全套：createAgent、ReAct、Plan-and-Execute、Self-Reflection、LangGraph 状态机、Middleware 系统、Multi-Agent 协作、Human-in-the-Loop
  • RAG 全链路：Document Loaders、Text Splitters、Retriever 策略、高级 RAG（HyDE、Multi-Query、Re-ranking）、RAG Agent
  • LangSmith 可观测性、评估方法与指标、Prompt 工程优化
  • 生产部署：HTTP API、SSE / WebSocket 流式接口、缓存、成本优化、安全防御、部署架构
  • 四个完整项目：智能客服、代码助手、数据分析、多 Agent 工作流平台

不覆盖：

  • 模型训练、微调、量化、推理引擎（这些是《LLM Infra 工程实战》这本书的范畴）
  • Python LangChain 的完整 API（生态、API 名称、约定都和 JS 不同）
  • 前端 UI 开发（聊天界面 / 仪表盘等界面层不在范围内）
  • 具体业务领域的 prompt 工程（如医疗、法律等垂直领域的提示词技巧）

怎么读这本书

我设计了三条阅读路径，请按自己的目标选择：

路径 A：快速上手（约 1-2 周）

适合需要尽快做出原型的人。

读完 00 导论 → 01 核心抽象（只读 Runnable 和 LCEL）→ 02 Chain 组合（只读 RunnableSequence 和 Streaming）→ 04 工具与函数调用（只读 Tool 接口和 Function Calling）→ 05 Agent 架构（只读 createAgent 入门和 ReAct）→ 09 综合项目 任选一个。

这条路径会让你在两周内拿出一个可演示的 Agent Demo，但生产化和工程细节需要回头补课。

路径 B：系统学习（约 5-6 周）

适合想系统掌握 LangChain.js 整套生态的工程师。

按目录顺序从 00 导论 读到 09 综合项目，每一篇都把示例代码跑一遍，每个模块结束时完成产出物。这是我自己学习 LangChain.js 时希望有的路径。

路径 C：聚焦专项（按需翻阅）

适合已经有 LangChain 基础、需要深入某个专题的工程师。

把这本书当成参考手册。需要做 RAG 时直接读 06 RAG，需要上生产时直接读 08 生产部署，需要做评估时直接读 07 可观测性与评估。每篇都尽量做到可独立阅读，跨章节依赖会在文中明确标注。

无论哪条路径，都强烈建议你先读完前言后面的两篇：前置知识清单 帮你确认基础是否就绪，环境搭建指南 是后续所有代码示例的依赖。

配套资源

每一篇都附了对应章节的可运行示例，全部用 TypeScript + Node.js 22+ 编写，无需任何额外环境配置。每条 API 引用都会标注源码路径，方便你直接跳到 @langchain/core 源码对照阅读。

持续更新

LangChain.js 生态还在快速演进，这本书会持续更新。如果你读到某一段觉得”这写得不对吧”，请相信你的判断——很可能是 1.x 的某个小版本又改了 API。请到 GitHub 上提 Issue，我会尽快跟进。

本文摘自《LangChain.js Agent 开发权威指南》，作者递归客。

目录

  1. 前言4 分钟
  2. 课程路线图4 分钟
  3. 前置知识清单4 分钟
  4. 环境搭建指南4 分钟
  5. Runnable 接口详解3 分钟
  6. LCEL 表达式语言3 分钟
  7. Model I/O 模型输入输出4 分钟
  8. Prompt Templates 提示词模板3 分钟
  9. Output Parsers 输出解析器4 分钟
  10. RunnableSequence 顺序链3 分钟
  11. RunnableParallel 并行链3 分钟
  12. RunnableBranch 条件分支3 分钟
  13. Streaming 流式输出4 分钟
  14. Fallback 与重试4 分钟
  15. LCEL vs LangGraph 决策指南4 分钟
  16. 1.x 时代的记忆系统4 分钟
  17. 短期记忆 - thread-based checkpointer4 分钟
  18. Summary 策略 - 用 middleware 压缩历史4 分钟
  19. VectorStore 记忆作为工具4 分钟
  20. 自定义后端 - 实现自己的 checkpointer 与 store4 分钟
  21. 多用户记忆隔离5 分钟
  22. 长期记忆 - Store 语义召回3 分钟
  23. Tool 接口与定义5 分钟
  24. 自定义 Tool 开发3 分钟
  25. Function Calling 跨模型统一4 分钟
  26. MCP Server 集成4 分钟
  27. 外部系统集成模式5 分钟
  28. createAgent 入门3 分钟
  29. ReAct 模式4 分钟
  30. LangGraph 入门4 分钟
  31. LangGraph State 与 Checkpointer4 分钟
  32. Plan and Execute 规划-执行模式4 分钟
  33. Self-Reflection 自我反思模式3 分钟
  34. Middleware 系统3 分钟
  35. Multi-Agent 协作4 分钟
  36. Human-in-the-Loop 与 typed interrupt4 分钟
  37. 流式输出深入 Stream Modes 与 Events3 分钟
  38. Deep Agents 深度智能体6 分钟
  39. 内置 Middleware 全景4 分钟
  40. Supervisor 模式（官方 prebuilt）3 分钟
  41. Swarm 模式（官方 prebuilt）3 分钟
  42. RAG 基础管线5 分钟
  43. Document Loaders 文档加载器4 分钟
  44. Text Splitters 文本切分4 分钟
  45. Retriever 策略5 分钟
  46. 高级 RAG 技术5 分钟
  47. RAG Agent5 分钟
  48. Callback 系统4 分钟
  49. LangSmith Tracing4 分钟
  50. 评估方法与指标5 分钟
  51. Prompt 工程优化5 分钟
  52. Agent 轨迹评估4 分钟
  53. API 服务化3 分钟
  54. 流式接口部署5 分钟
  55. 缓存与成本优化5 分钟
  56. 安全防御5 分钟
  57. 部署架构5 分钟
  58. LangGraph Platform 部署4 分钟
  59. 智能客服 Agent3 分钟
  60. 代码助手 Agent3 分钟
  61. 数据分析 Agent3 分钟
  62. 多 Agent 工作流平台3 分钟
  63. 深度调研 Agent4 分钟
  64. 生成式 UI 与 useStream3 分钟
  65. 术语表7 分钟
  66. API 速查表3 分钟
  67. 常见错误与排查4 分钟
  68. 推荐资源与社区3 分钟