全书出现的核心术语中英对照。每条术语标注首次出现的章节,方便回查上下文。
1.x 新引入的术语
这一组是 LangChain.js 1.x 才出现或被赋予新含义的概念,集中放在最前面:
| 术语 | 英文全称 / 写法 | 中文 | 一句话定义 | 首次出现 |
|---|---|---|---|---|
| createAgent | createAgent (from langchain) | 创建 Agent | 1.x 构建 Agent 的主入口函数,把模型、工具、系统提示拼成一张可运行的 LangGraph 图 | 05 createAgent 入门 |
| Middleware | createMiddleware / dynamicSystemPromptMiddleware 等 | 中间件 | 在 Agent 循环的 beforeModel / afterModel / wrapToolCall 等切面插入的逻辑钩子 | 05 Middleware 系统 |
| ContentBlock | message.contentBlocks | 内容块 | 统一不同 provider 多模态结构的消息块数组(文本块、图像块、思考块、工具调用块等) | 01 模型 IO |
| toolStrategy | toolStrategy(schema) | 工具策略 | withStructuredOutput 的结构化输出策略之一,让模型用工具调用方式产出结构化结果 | 01 Output Parsers |
| providerStrategy | providerStrategy(schema) | 原生策略 | 直接走 provider 原生结构化输出能力(如 OpenAI Strict JSON Mode) | 01 Output Parsers |
| Annotation | Annotation.Root({ ... }) | 状态注解 | LangGraph 中定义 State Schema 的 API,每个字段可单独指定 reducer 和 default | 05 State、Channels |
| Channel | LangGraph Channel | 通道 | State 中每个字段对应一条 channel,定义其更新规则(reducer) | 05 State、Channels |
| Checkpointer | MemorySaver / PostgresSaver | 检查点存储 | LangGraph 持久化 State 的存储后端,按 thread_id 分线程保存 | 05 State、Channels |
| typed interrupt | interrupts: { ... } + interrupt(...) | 类型化中断 | 1.x 新的 HITL 中断 API,中断值带 TypeScript 类型,恢复时类型安全 | 05 Human-in-the-Loop |
| Stream Mode | streamMode: "values" | "updates" | "messages" | "debug" | "custom" | 流模式 | LangGraph 流式输出的粒度选择 | 05 流式输出深入 |
| Reducer | reducer function | 归约器 | Annotation 字段上的合并函数,决定新值如何并入旧值 | 05 State、Channels |
| Supervisor / Worker | Multi-Agent topology | 主管 / 工作者 | 多 Agent 协作模式:Supervisor 路由任务,Worker 执行专项任务 | 05 Multi-Agent |
@langchain/classic | npm package | 经典 API 容身处 | 1.x 拆分出的 legacy API 包(如 AgentExecutor 等老组件),仅做兼容 | 00 路线图 |
A
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Agent | 智能体 | 能自主决定调什么工具、怎么完成任务的 LLM 应用 | 05 createAgent 入门 |
| Agentic RAG | 智能体增强检索 | 把检索过程交给 Agent 决策(是否检索、检索什么、怎么用) | 06 RAG Agent |
| API Key | API 密钥 | 认证 LLM provider 身份的密钥字符串 | 00 准备 |
B
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Batch | 批量 | 一次发多个请求并行处理 | 01 Runnable 接口 |
| BaseChatModel | 聊天模型基类 | LangChain 所有 Chat Model 的公共基类 | 01 模型 IO |
C
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Callback | 回调 | 在模型 / 工具 / Chain 关键节点插入的事件钩子(被 LangSmith Tracing 大量使用) | 07 可观测性 |
| Chain | 链 | 把多个 Runnable 通过 .pipe() 串联起来的执行管道 | 02 Chain 组合 |
| Chain-of-Thought (CoT) | 思维链 | 让模型先输出推理步骤再给结论的 prompt 技术 | 05 ReAct 模式 |
| Chat Model | 聊天模型 | 输入输出都是消息(Message[])的 LLM | 01 模型 IO |
| Checkpoint | 检查点 | LangGraph 中 State 在某个时间点的快照 | 05 State、Channels |
| Chunk | 块 | 文档切分后的小段;流式输出中的数据片段 | 06 文本切分 |
| Context Window | 上下文窗口 | 模型单次能处理的最大 token 数 | 01 模型 IO |
D
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Dataset | 数据集 | LangSmith 中的输入-输出样本集合,用于评估 | 07 评估 |
| Document | 文档对象 | LangChain 中表示文本片段的对象 { pageContent, metadata } | 06 文档加载 |
| Document Loader | 文档加载器 | 把 PDF / 网页 / 数据库等转成 Document 数组的组件 | 06 文档加载 |
E
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Edge | 边 | LangGraph 中连接两个节点、定义流转方向的连线 | 05 LangGraph 入门 |
| Embedding | 向量嵌入 | 把文本映射到一个高维实数向量,语义相似的文本距离相近 | 06 Embedding |
| Evaluation | 评估 | 系统化测量 LLM 应用输出质量的方法 | 07 评估 |
F
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Faithfulness | 忠实度 | RAG 评估指标:回答是否忠于检索到的上下文 | 07 评估 |
| Fallback | 兜底 | 主组件失败时自动切到备用组件 | 08 容错 |
| Few-Shot Prompting | 少样本提示 | prompt 里塞几个示例引导模型行为 | 01 Prompt |
| Function Calling | 函数调用 | 模型输出结构化函数参数(而不是自然语言),用于触发工具 | 04 Function Calling |
G
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Graph | 图 | LangGraph 的核心抽象:节点是操作、边是流转 | 05 LangGraph 入门 |
| Grounding | 落地 | 让 LLM 的回答基于真实数据,减少幻觉,RAG 是主要手段 | 06 RAG 概念 |
H
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Hallucination | 幻觉 | LLM 编造的看似合理但事实错误的内容 | 06 RAG 概念 |
| Handoff | 交接 | LangGraph 中 Agent 间显式控制权交接的语义,1.x 通过 Command({ goto: targetAgent, update }) 实现;区别于 Send(参数分发) | 05 Multi-Agent |
| HITL | 人机协同 | Human-in-the-Loop,关键操作引入人工审批 | 05 Human-in-the-Loop |
| HNSW | 分层导航小世界图 | Hierarchical Navigable Small World,主流向量索引算法 | 06 向量存储 |
| HyDE | 假设性文档嵌入 | Hypothetical Document Embeddings,先让 LLM 生成假设答案再用它做检索 | 06 高级 RAG |
| Hono | - | 轻量 web 框架,本书 API 层默认使用 | 08 生产部署 |
I
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Interrupt | 中断 | LangGraph 暂停图执行的机制,1.x 推荐 typed interrupt | 05 Human-in-the-Loop |
| Invoke | 调用 | Runnable 的单次同步执行接口 | 01 Runnable 接口 |
J-K
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| JSON Mode | JSON 模式 | 强制模型输出有效 JSON 的 provider 能力 | 01 Output Parsers |
L
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| LangChain | - | 构建 LLM 应用的开源框架 | 00 前言 |
| LangGraph | - | LangChain 生态的 Agent 编排框架,基于有向图 | 05 LangGraph 入门 |
| LangSmith | - | LangChain 官方的可观测性、评估、调试平台 | 07 LangSmith Tracing |
| LCEL | LangChain 表达式语言 | LangChain Expression Language,.pipe() 串联组件的声明式语法 | 02 Chain 组合 |
| LLM | 大型语言模型 | Large Language Model | 00 前言 |
| LLM-as-judge | LLM 评判者 | 用一个 LLM 评估另一个 LLM 的输出 | 07 评估 |
M
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| MCP | 模型上下文协议 | Model Context Protocol,Anthropic 推出的工具/数据源接入标准 | 04 工具与函数调用 |
| Memory | 记忆 | Agent 跨轮次保留上下文的能力,1.x 推荐用 Checkpointer 实现 | 03 记忆系统 |
| Message | 消息 | Chat Model 的基本输入输出单元 | 01 模型 IO |
| Metadata | 元数据 | 附加在 Document、Trace 等对象上的描述信息 | 06 文档加载 |
| Multi-Agent | 多智能体 | 多个专业 Agent 协作完成复杂任务 | 05 Multi-Agent |
| Multimodal | 多模态 | 处理文本之外(图像、音频等)数据的模型能力 | 01 模型 IO |
N-O
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Node | 节点 | LangGraph 中的基本执行单元(一个函数) | 05 LangGraph 入门 |
| Output Parser | 输出解析器 | 把模型文本输出转成结构化数据;1.x 主推 withStructuredOutput | 01 Output Parsers |
P
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| PII | 个人隐私信息 | Personally Identifiable Information | 08 安全 |
| Plan-and-Execute | 先规划再执行 | Agent 模式:先列计划再逐步执行 | 05 Plan-and-Execute |
| Prompt | 提示词 | 发给模型的输入文本 | 01 Prompt |
| Prompt Injection | 提示词注入 | 通过输入嵌入恶意指令操纵 LLM 的攻击 | 08 安全 |
| Prompt Template | 提示词模板 | 带变量占位符的 prompt | 01 Prompt |
R
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| RAG | 检索增强生成 | Retrieval-Augmented Generation:先检索、再让 LLM 基于检索结果生成 | 06 RAG 概念 |
| ReAct | 推理+行动 | Reasoning + Acting,模型交替”思考-工具调用-观察”的循环 | 05 ReAct 模式 |
| Reflexion | 反思 | Agent 自我批判、修正后再次尝试的模式 | 05 Self-Reflection |
| Reranker | 重排器 | 对初次检索结果用更强的模型重新打分排序 | 06 高级 RAG |
| Retriever | 检索器 | 根据查询返回相关 Document 的组件 | 06 Retriever |
| Runnable | 可运行对象 | LangChain 所有组件的统一基类,提供 invoke / stream / batch | 01 Runnable 接口 |
S
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Semantic Search | 语义搜索 | 基于向量相似度而不是关键词匹配的搜索 | 06 向量存储 |
| Send | 分发 | LangGraph 的 Send API,在 Command 的 goto 里传 Send 实例,用于向并发分支分发独立参数;区别于普通节点跳转 | 05 Multi-Agent |
| SSE | 服务器推送事件 | Server-Sent Events,HTTP 单向推流协议,本书流式输出默认走 SSE | 08 流式 API |
| State | 状态 | LangGraph 中图执行过程维护的数据结构 | 05 State、Channels |
| StateGraph | 状态图 | LangGraph 核心类,按 Annotation 定义状态后用节点 + 边描述流转 | 05 LangGraph 入门 |
| Streaming | 流式输出 | 模型逐 token 返回,而非等全部生成完 | 05 流式输出深入 |
| Structured Output | 结构化输出 | 让模型按 schema 输出可被程序消费的 JSON 等结构 | 01 Output Parsers |
T
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Temperature | 温度 | 模型采样随机性参数,0=确定性输出 | 01 模型 IO |
| Text Splitter | 文本切分器 | 把长文档切成适合 embedding 的短块 | 06 文本切分 |
| Token | - | 模型处理文本的最小单元,1 个英文单词 ≈ 1 token,1 个汉字 ≈ 1.5-2 token | 01 模型 IO |
| Tool | 工具 | Agent 可调用的外部能力,包含名字、描述、参数 schema | 04 Tool 接口 |
| Tool Calling | 工具调用 | 模型生成结构化参数触发工具,同 Function Calling | 04 Function Calling |
| Trace | 追踪 | 一次完整请求的全链路执行记录 | 07 LangSmith Tracing |
U-V
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Vector Store | 向量存储 | 存储和检索 embedding 向量的数据库(PGVector / Pinecone / Qdrant 等) | 06 向量存储 |
W-Z
| 术语 | 中文 | 解释 | 首次出现 |
|---|---|---|---|
| Zero-Shot | 零样本 | 不给示例直接让模型干活 | 01 Prompt |
| Zod | - | TypeScript-first 的 schema 验证库,本书用它定义所有工具参数 | 04 Tool 接口 |
本文摘自《LangChain.js Agent 开发权威指南》,作者递归客。
本书资源
- 源码仓库 · github.com/diguike/book-langchain-agent
- 在线阅读 · inferloop.dev/langchain-agent
- 所有书目 · inferloop.dev
继续阅读 · 同作者其他书
- 《Transformer 工程实战》从注意力机制到生产部署
- 《自己动手写 AI Agent》从 Claude Code 开源架构到你的第一个编程助手
- 《AI 时代的 CLI 工具开发实战》用 TypeScript 构建现代 CLI 工具
- 《LLM Infra 工程实战》从入门到实践
- 《Hermes Agent 实战》构建会成长的个人 AI Agent
- 《OpenClaw 源码解析》现代 Agent 系统的架构设计与工程实践
- 《Agent Memory 工程实战》从 claude-mem 源码到企业级记忆平台
- 《AI Token 中转站实战》从 0 搭建企业级 LLM 网关
- 《百万级 AI Agent 平台架构》智能客服 SaaS 实战
- 《Claude Code Skill 指南》
- 《Claude 插件官方指南》
Last updated on