Resources · LangChain.js Agent 开发权威指南

这一章给的是我自己在写这本书的过程中实际反复查、反复看的资源。不堆”清单”，每个都标一下”什么时候该来这里”。

LangChain 官方

资源	链接	什么时候用
文档主站	https://docs.langchain.com	1.x 的所有概念、API 都在这里，第一目的地
LangChain.js GitHub	https://github.com/langchain-ai/langchainjs	看源码、提 issue、追 PR
LangGraph.js 文档	https://langchain-ai.github.io/langgraphjs/	LangGraph 的 StateGraph / Channels / typed interrupt 等细节
LangSmith	https://smith.langchain.com/	Tracing、评估、Prompt Hub 都在这
Changelog	https://docs.langchain.com/oss/javascript/releases/changelog	1.x 后版本变化频繁，发版时来这看
Blog	https://blog.langchain.dev	新功能解读、最佳实践案例
Discord	https://discord.gg/langchain	比 GitHub issue 更快得到回复
主站介绍	https://www.langchain.com/	给非工程同事看的产品视角

资源	链接	说明
本书 GitHub 仓库	https://github.com/diguike/book-langchain-agent	全书 Markdown 源文件 + 示例代码
作者站点	https://inferloop.dev	本书在线版 + 我写的其他书
飞书 Wiki	见站点导航	中文阅读体验最好的版本

发现书里有错或者有更好的实现，欢迎到 GitHub 仓库提 issue 或 PR。

写 Agent 跑通了之后，下一步是把模型用透。每家 provider 自己的文档比 LangChain 的更细，特别是关于工具调用的参数细节、推理模式、缓存机制。

Provider	文档	模型亮点
Anthropic	https://www.anthropic.com/	Claude Opus 4.7（推理旗舰）/ Sonnet 4.6（平衡）/ Haiku 4.5（速度）。extended thinking 模式特别适合复杂规划任务
OpenAI	https://openai.com/	GPT-5 系列（推理） / GPT-4o（多模态） / GPT-4o-mini（成本敏感场景）
Google	https://ai.google.dev/	Gemini，长上下文窗口（1M+ tokens）和多模态能力强
DeepSeek	https://www.deepseek.com/	国产开源旗舰，价格远低于头部商业模型
Moonshot Kimi	https://www.moonshot.cn/	国产长上下文场景表现稳定
阿里通义	https://tongyi.aliyun.com/	国产电商 / 政企场景集成方便

LangChain.js 不是 Agent 开发的唯一选择，了解周边生态才能在真实项目里选型：

工具 / 框架	定位	链接
Vercel AI SDK	偏前端、流式 UI 友好，和 Next.js 集成丝滑	https://sdk.vercel.ai/
LlamaIndex.TS	专注 RAG，索引和检索的抽象更细	https://ts.llamaindex.ai/
AutoGen	微软的多 Agent 协作框架（Python 为主）	https://github.com/microsoft/autogen
CrewAI	角色化多 Agent 编排	https://crewai.com
Hono	本书 API 层默认 web 框架	https://hono.dev/
Zod	TypeScript schema 验证库，工具参数定义必备	https://zod.dev/
MCP	Anthropic 推出的工具/数据源接入协议	https://modelcontextprotocol.io/

向量数据库：

工程师不需要把论文从头啃完，但读过下面这几篇会让你看 Agent 实现时少很多”为什么这么写”的困惑：

论文	关键贡献	链接
ReAct: Synergizing Reasoning and Acting in Language Models	Agent 的”思考-行动-观察”循环	https://arxiv.org/abs/2210.03629
Plan-and-Solve Prompting	先规划再分步执行的 Agent 模式	https://arxiv.org/abs/2305.04091
Reflexion: Language Agents with Verbal Reinforcement Learning	Agent 自我反思修正	https://arxiv.org/abs/2303.11366
Toolformer: Language Models Can Teach Themselves to Use Tools	工具调用能力的训练范式	https://arxiv.org/abs/2302.04761
Chain-of-Thought Prompting	思维链 prompt 的奠基论文	https://arxiv.org/abs/2201.11903
Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks	RAG 的奠基论文	https://arxiv.org/abs/2005.11401
Self-Consistency Improves Chain of Thought	多次采样投票提升推理质量	https://arxiv.org/abs/2203.11171

来源	链接	内容
LangChain Blog	https://blog.langchain.dev	官方第一手
Lilian Weng’s Blog	https://lilianweng.github.io	OpenAI 研究员，Agent / RAG 深度长文
Simon Willison	https://simonwillison.net	LLM 实践派，他怎么用工具就怎么记录
Anthropic Engineering	https://www.anthropic.com/engineering	Anthropic 自己怎么做 Agent（特别是 Claude Code 系列文章）
Hugging Face Blog	https://huggingface.co/blog	开源生态动态

LangChain.js 在 1.x 之后版本号迭代依旧快。我自己的做法：

按顺序试：

查文档主站，1.x 后文档质量大幅提升
搜 GitHub Issues，加上 is:closed 看历史解答
去 Discord 的 #langchainjs-help 频道贴最小复现代码 + 错误堆栈 + 版本号
实在无果再开新 issue，记得带：
- langchain / @langchain/core / @langchain/langgraph 版本
- Node.js 版本
- 最小可复现代码（精简到 20-30 行）
- 完整错误堆栈

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