搜索“AI应用开发学习路线”你会发现几乎所有回答里都会出现同一个框架LangChain。但再往下看教程清一色是 Python。如果你是一名 JavaScript/TypeScript 开发者这时候很可能会产生一个疑问不换语言还能不能进入 AI 应用开发答案是可以而且路径比想象中更顺畅这个答案的名字就是 LangChain.js。现在说到 AI 应用开发很多人第一反应是训练模型。但对绝大多数业务团队来说真正的工作量根本不是训练而是把现成的大模型能力接入产品、编排流程、补齐记忆和工具能力。LangChain.js 要解决的核心问题正是让 JavaScript 开发者用自己熟悉的语言完成这套编排工作。本文会从 LangChain.js 最核心的概念讲起然后通过四个可运行的代码示例带你从零跑通“调用模型 → 串联任务 → 加入记忆 → 使用工具”这条完整的 AI 应用开发链路。读完你会清楚地知道LangChain.js 到底帮你解决了什么、哪些场景适合用它、实际工程中要注意什么以及在当下这个时间点AI 应用开发工程师该怎么规划自己的进阶路线。1. 为什么 AI 应用开发绕不开 LangChain.js1.1 从“调 API”到“编排应用”的范式变化如果回到大模型接口刚开放的时候一个最简单的 AI 应用只需要三行代码构造请求、把用户输入拼进提示词、把模型返回的结果展示出来。那时候我们看到的大多数“AI 应用”本质上就是一个 API 调用壳子。但现在的业务需求已经远远超过这个阶段。一个真实的产品可能需要根据用户的提问从自己的知识库中检索最相关的内容结合检索结果生成回答并注明信息来源如果用户问的是需要实时数据的问题比如天气、股价模型需要主动调用外部接口获取多轮对话中记住用户之前说过的话保持上下文一致一个复杂任务需要拆解成多个步骤分步执行。这些需求靠裸调 API 当然也能实现但每做一个功能你都得自己写一堆胶水代码状态怎么管理、工具怎么接入、上下文怎么存储、多个模型调用之间怎么编排。写得多了你会发现这些代码高度重复而且很容易出 bug。LangChain 系列框架出现的核心动机就是把这些“AI 应用开发中的通用连接件”标准化。它不是一个模型也不是一个平台而是一套把大模型和其他组件工具、数据、记忆编排起来的开发框架。在 Python 生态里这个框架叫 LangChain在 JavaScript/TypeScript 生态里它叫 LangChain.js。1.2 为什么是 JavaScriptLangChain.js 和 Python 版 LangChain 在核心设计上一脉相承但它是真正为 JavaScript 生态开发的实现不是简单的 API 翻译。对于以 JavaScript 为核心技术栈的开发者来说这意味着几个非常实际的好处。第一前后端语言统一。很多 AI 应用都是先做一个聊天界面再由后端中转请求大模型。如果整体用 TypeScript 开发前端组件和后端逻辑可以共享类型定义开发和联调成本都会明显降低。第二Node.js 生态天然适合做接口聚合层。AI 应用通常要对接多个外部系统比如数据库、第三方 API、内部服务。Node.js 本身就擅长做这种 IO 密集型的集成开发。第三对全栈工程师的友好度。一个熟悉 React/Vue 的开发者学习 LangChain.js 的曲线并不陡峭。它更多是在教会你“编排的思维”而不是要求你重新理解一门语言。当然Python 在数据科学、模型训练、深度调优方面仍然有不可替代的优势。正确的判断不是“哪个语言更好”而是“你的团队技术栈是什么、产品形态是什么”。如果你是做数据处理、模型微调方向的Python 依然是主流选择但如果你做的是业务应用、产品集成、工具链开发LangChain.js 是完全合理甚至更优的选择。1.3 哪些人最应该关注 LangChain.js从开发者社区的反馈来看以下几类人最容易在 LangChain.js 中找到价值前端 / 全栈工程师已经有 JavaScript 基础想进入 AI 应用开发方向又不想推倒重来学 PythonNode.js 后端工程师正在做接口聚合、代理转发、服务编排希望把大模型能力接入现有服务正在做智能客服、Copilot、知识库问答等业务场景的团队需要一个成熟的 LLM 编排层而不是自己从头造轮子独立开发者希望以最低的学习成本快速把多个 AI 功能集成到自己的产品中。如果你不属于以上任何一类比如你的目标就是做模型训练、算法研究那 LangChain.js 并不是你最需要优先投入的方向。这个框架的价值场景是“应用开发”而不是“模型研发”。2. LangChain.js 核心概念拆解在动手写代码之前我们需要先建立一套清晰的概念地图。LangChain.js 的概念不少但核心可以拆成六块。2.1 模型Model模型是 AI 应用的大脑。LangChain.js 通过统一的接口封装了不同厂商的大模型包括文本生成模型Chat Model、嵌入模型Embedding Model等。你在代码里换一个模型供应商往往只需要改一行配置而业务逻辑可以保持不变。这层抽象的价值正是“不让你的业务代码绑定某一家模型厂商”。从实际应用看不同模型在编码能力、中文能力、指令遵循能力、成本、响应速度上差异很大所以 LangChain.js 的这种可替换性在实际工程中非常有用。你可以先用某个模型验证产品再根据成本和效果切换到另一个不用推翻重写。2.2 提示词模板Prompt Template提示词模板解决的是“如何稳定地构造模型输入”。直接拼接模板字符串当然可以但工程化应用中提示词往往需要根据场景动态插入上下文、历史记录、用户输入、示例等。PromptTemplate 把这些拼装逻辑结构化让提示词可以像代码一样维护、测试和复用。这里有一个新手经常忽略的点在 AI 应用开发中提示词不是“随便写的一段话”而是产品逻辑的一部分。使用模板管理是为了让这部分内容可控、可迭代。后面我们会在代码示例里具体演示。2.3 链Chain链是 LangChain 最核心的抽象之一。它把“用户输入 → 提示词构造 → 模型调用 → 输出解析”这一系列步骤串联成一个可执行单元。更复杂的链还可以包含多个模型调用、条件分支、循环。可以把“链”理解为一根数据管道上游的输出自动变成下游的输入。这样一来开发者不用在每一步都手动传递中间结果代码的可读性和可维护性都会显著提升。2.4 工具Tool与代理Agent工具是 AI 应用对外部能力的封装。可以是函数、API 调用、数据库查询、代码执行器等等。代理则是使用工具的大脑它根据用户的目标自主决定调用哪些工具、以什么顺序调用、如何解析工具的返回结果。举一个直观的例子用户问“帮我查一下这个仓库本周的提交数”。模型本身并不知道仓库的真实情况但代理可以决定调用一个“仓库统计工具”来获取数据再基于数据组织回答。这就是从“只会生成文字”到“可以操作真实系统”的关键跨越。在 LangChain.js 中很多工具封装已经原生支持比如搜索、HTTP 请求、文件操作等。读者自行接入时要特别注意权限边界后面我会专门讲这个问题。2.5 LangChain.js：JavaScript开发者进入AI应用开发的完整指南
搜索“AI应用开发学习路线”你会发现几乎所有回答里都会出现同一个框架LangChain。但再往下看教程清一色是 Python。如果你是一名 JavaScript/TypeScript 开发者这时候很可能会产生一个疑问不换语言还能不能进入 AI 应用开发答案是可以而且路径比想象中更顺畅这个答案的名字就是 LangChain.js。现在说到 AI 应用开发很多人第一反应是训练模型。但对绝大多数业务团队来说真正的工作量根本不是训练而是把现成的大模型能力接入产品、编排流程、补齐记忆和工具能力。LangChain.js 要解决的核心问题正是让 JavaScript 开发者用自己熟悉的语言完成这套编排工作。本文会从 LangChain.js 最核心的概念讲起然后通过四个可运行的代码示例带你从零跑通“调用模型 → 串联任务 → 加入记忆 → 使用工具”这条完整的 AI 应用开发链路。读完你会清楚地知道LangChain.js 到底帮你解决了什么、哪些场景适合用它、实际工程中要注意什么以及在当下这个时间点AI 应用开发工程师该怎么规划自己的进阶路线。1. 为什么 AI 应用开发绕不开 LangChain.js1.1 从“调 API”到“编排应用”的范式变化如果回到大模型接口刚开放的时候一个最简单的 AI 应用只需要三行代码构造请求、把用户输入拼进提示词、把模型返回的结果展示出来。那时候我们看到的大多数“AI 应用”本质上就是一个 API 调用壳子。但现在的业务需求已经远远超过这个阶段。一个真实的产品可能需要根据用户的提问从自己的知识库中检索最相关的内容结合检索结果生成回答并注明信息来源如果用户问的是需要实时数据的问题比如天气、股价模型需要主动调用外部接口获取多轮对话中记住用户之前说过的话保持上下文一致一个复杂任务需要拆解成多个步骤分步执行。这些需求靠裸调 API 当然也能实现但每做一个功能你都得自己写一堆胶水代码状态怎么管理、工具怎么接入、上下文怎么存储、多个模型调用之间怎么编排。写得多了你会发现这些代码高度重复而且很容易出 bug。LangChain 系列框架出现的核心动机就是把这些“AI 应用开发中的通用连接件”标准化。它不是一个模型也不是一个平台而是一套把大模型和其他组件工具、数据、记忆编排起来的开发框架。在 Python 生态里这个框架叫 LangChain在 JavaScript/TypeScript 生态里它叫 LangChain.js。1.2 为什么是 JavaScriptLangChain.js 和 Python 版 LangChain 在核心设计上一脉相承但它是真正为 JavaScript 生态开发的实现不是简单的 API 翻译。对于以 JavaScript 为核心技术栈的开发者来说这意味着几个非常实际的好处。第一前后端语言统一。很多 AI 应用都是先做一个聊天界面再由后端中转请求大模型。如果整体用 TypeScript 开发前端组件和后端逻辑可以共享类型定义开发和联调成本都会明显降低。第二Node.js 生态天然适合做接口聚合层。AI 应用通常要对接多个外部系统比如数据库、第三方 API、内部服务。Node.js 本身就擅长做这种 IO 密集型的集成开发。第三对全栈工程师的友好度。一个熟悉 React/Vue 的开发者学习 LangChain.js 的曲线并不陡峭。它更多是在教会你“编排的思维”而不是要求你重新理解一门语言。当然Python 在数据科学、模型训练、深度调优方面仍然有不可替代的优势。正确的判断不是“哪个语言更好”而是“你的团队技术栈是什么、产品形态是什么”。如果你是做数据处理、模型微调方向的Python 依然是主流选择但如果你做的是业务应用、产品集成、工具链开发LangChain.js 是完全合理甚至更优的选择。1.3 哪些人最应该关注 LangChain.js从开发者社区的反馈来看以下几类人最容易在 LangChain.js 中找到价值前端 / 全栈工程师已经有 JavaScript 基础想进入 AI 应用开发方向又不想推倒重来学 PythonNode.js 后端工程师正在做接口聚合、代理转发、服务编排希望把大模型能力接入现有服务正在做智能客服、Copilot、知识库问答等业务场景的团队需要一个成熟的 LLM 编排层而不是自己从头造轮子独立开发者希望以最低的学习成本快速把多个 AI 功能集成到自己的产品中。如果你不属于以上任何一类比如你的目标就是做模型训练、算法研究那 LangChain.js 并不是你最需要优先投入的方向。这个框架的价值场景是“应用开发”而不是“模型研发”。2. LangChain.js 核心概念拆解在动手写代码之前我们需要先建立一套清晰的概念地图。LangChain.js 的概念不少但核心可以拆成六块。2.1 模型Model模型是 AI 应用的大脑。LangChain.js 通过统一的接口封装了不同厂商的大模型包括文本生成模型Chat Model、嵌入模型Embedding Model等。你在代码里换一个模型供应商往往只需要改一行配置而业务逻辑可以保持不变。这层抽象的价值正是“不让你的业务代码绑定某一家模型厂商”。从实际应用看不同模型在编码能力、中文能力、指令遵循能力、成本、响应速度上差异很大所以 LangChain.js 的这种可替换性在实际工程中非常有用。你可以先用某个模型验证产品再根据成本和效果切换到另一个不用推翻重写。2.2 提示词模板Prompt Template提示词模板解决的是“如何稳定地构造模型输入”。直接拼接模板字符串当然可以但工程化应用中提示词往往需要根据场景动态插入上下文、历史记录、用户输入、示例等。PromptTemplate 把这些拼装逻辑结构化让提示词可以像代码一样维护、测试和复用。这里有一个新手经常忽略的点在 AI 应用开发中提示词不是“随便写的一段话”而是产品逻辑的一部分。使用模板管理是为了让这部分内容可控、可迭代。后面我们会在代码示例里具体演示。2.3 链Chain链是 LangChain 最核心的抽象之一。它把“用户输入 → 提示词构造 → 模型调用 → 输出解析”这一系列步骤串联成一个可执行单元。更复杂的链还可以包含多个模型调用、条件分支、循环。可以把“链”理解为一根数据管道上游的输出自动变成下游的输入。这样一来开发者不用在每一步都手动传递中间结果代码的可读性和可维护性都会显著提升。2.4 工具Tool与代理Agent工具是 AI 应用对外部能力的封装。可以是函数、API 调用、数据库查询、代码执行器等等。代理则是使用工具的大脑它根据用户的目标自主决定调用哪些工具、以什么顺序调用、如何解析工具的返回结果。举一个直观的例子用户问“帮我查一下这个仓库本周的提交数”。模型本身并不知道仓库的真实情况但代理可以决定调用一个“仓库统计工具”来获取数据再基于数据组织回答。这就是从“只会生成文字”到“可以操作真实系统”的关键跨越。在 LangChain.js 中很多工具封装已经原生支持比如搜索、HTTP 请求、文件操作等。读者自行接入时要特别注意权限边界后面我会专门讲这个问题。2.5