这一页列出我假设你已经会的东西。每一项给到”看得懂、写得出来”的程度就行，不用精通。后面没把握的话，每一节末尾我贴了我自己用过的学习资料。

我把前置知识按”硬要求 / 会简单带过 / 按需阅读”分成了三类，第一类是后面正文里不会再展开讲的，缺哪一块都得先补；第二类正文里会简单带过；第三类在用到的时候去翻一下就够。

一、TypeScript（硬要求）

LangChain.js 的 API 重度依赖 TypeScript 类型系统。这本书的代码示例全部是 TypeScript。

1.1 基础类型与泛型

LangChain.js 的核心接口几乎都是泛型签名。比如 BaseChatModel<CallOptions>、Runnable<Input, Output>。下面这种代码看不懂的话，得先补 TypeScript 基础：

// 泛型函数：T 是占位类型，会在调用时被推断或显式传入
function parseOutput<T>(schema: z.ZodType<T>, raw: string): T {
  return schema.parse(JSON.parse(raw));
}
 
// 泛型约束：限定 T 必须实现某个接口
interface Runnable<Input, Output> {
  invoke(input: Input): Promise<Output>;
  batch(inputs: Input[]): Promise<Output[]>;
}

1.2 async/await 与异步模式

LLM 调用全是异步。下面三种写法在书里会反复出现：

// 基本异步调用
const result = await model.invoke("Hello");
 
// 并发调用
const results = await Promise.all([
  model.invoke("Query 1"),
  model.invoke("Query 2"),
]);
 
// AsyncGenerator —— 流式输出的基础
async function* streamTokens() {
  for await (const chunk of await model.stream("Hello")) {
    // 1.x 多模态统一用 contentBlocks，纯文本场景可读 chunk.text
    yield chunk.text;
  }
}

1.3 Zod Schema

Zod 是 LangChain.js 定义结构化输出的标准方式。withStructuredOutput() 直接接受 Zod schema：

import { z } from "zod";
 
const ResponseSchema = z.object({
  answer: z.string().describe("回答内容"),
  confidence: z.number().min(0).max(1).describe("置信度"),
  sources: z.array(z.string()).describe("引用来源"),
});
 
// 从 schema 自动推导 TypeScript 类型
type Response = z.infer<typeof ResponseSchema>;

1.4 装饰器（了解即可）

LangGraph 的某些高级模式会用到装饰器语法。书里用得不多，看到能认出来就行：

// 装饰器是一个返回函数的高阶函数
function tool(config: ToolConfig) {
  return function (target: any, key: string, descriptor: PropertyDescriptor) {
    // 包装原函数、附加元数据
  };
}

推荐资料

二、Node.js（硬要求）

2.1 ES Module

LangChain.js 1.x 全面用 ESM，CommonJS 那一套（require、module.exports）在书里不会出现。import / export 的常用写法：

// 静态导入 —— 课程全程用这种
import { ChatOpenAI } from "@langchain/openai";
import { HumanMessage } from "@langchain/core/messages";
 
// 动态导入 —— 某些场景需要按需加载
const { default: chalk } = await import("chalk");

关键配置：package.json 加 "type": "module"，tsconfig.json 里 "module": "NodeNext"。

2.2 环境变量

API Key 用环境变量管理是日常操作。.env 文件的常见写法：

# .env
OPENAI_API_KEY=sk-xxxx
ANTHROPIC_API_KEY=sk-ant-xxxx
LANGSMITH_API_KEY=lsv2_xxxx

// 入口加载一次
import "dotenv/config";
 
// 任意位置读取
const apiKey = process.env.OPENAI_API_KEY;

2.3 包管理器

书里全程用 npm（Node 22+ 自带）。如果你已经习惯 pnpm 或 bun，把命令里的 npm install 换成对应命令即可。

推荐资料

三、AI / LLM 基础概念（会简单带过）

这一节的概念正文里用到时会简单带过。提前看一眼，读到对应章节时不会卡。

3.1 Token

Token 是 LLM 处理文本的最小单位。一个中文字符通常对应 1-2 个 Token，一个英文单词通常对应 1 个 Token。Token 数量影响三件事：

• 成本：API 按 Token 数量计费（input 和 output 单价不同）
• 上下文窗口：每个模型有 Token 上限，比如 Claude Sonnet 4.6 200K、GPT-5 1M
• 响应速度：Token 越多，输出越慢

3.2 Temperature

Temperature 控制输出的随机性：

3.3 Prompt 工程基础

Prompt 是你和 LLM 沟通的接口。三个最常见的概念：

• System Prompt：约束模型的角色和行为
• Few-shot：在 Prompt 里附几个输入-输出示例
• Prompt Template：含占位符的 Prompt 模板，LangChain 的核心抽象之一

3.4 Embedding 与向量相似度

RAG 模块的理论基础：

• Embedding：把一段文本转成高维向量（典型维度 1536 / 3072），语义相近的文本向量距离更近
• 向量相似度：衡量两段文本语义接近度的数学方法，常用余弦相似度
• Vector Store：存储和检索向量的数据库，比如 Chroma、Pinecone、pgvector

推荐资料

四、HTTP / API（按需阅读）

4.1 REST API

LLM Provider API 都是 REST 接口，书的最后一部分（08 生产部署）还会把 Agent 包成 HTTP 服务。需要熟悉的概念：HTTP Method（GET/POST）、Request Header、Request Body（JSON）、Status Code、Bearer Token 认证。

4.2 SSE（Server-Sent Events）

SSE 是 LLM 流式输出的事实标准。调用 model.stream() 时底层走的就是 SSE：

data: {"id":"chatcmpl-xxx","choices":[{"delta":{"content":"你"}}]}

data: {"id":"chatcmpl-xxx","choices":[{"delta":{"content":"好"}}]}

data: [DONE]

要点：单向（服务端 → 客户端）、基于 HTTP 长连接、每条消息以 data: 开头。

4.3 WebSocket（了解即可）

某些实时场景会用 WebSocket 做双向通信。书里不深入讲，但要能区分它和 SSE：

推荐资料

自测清单

正式开始之前，对照下面这几条过一遍，能确认的就跳过：

• 能用 TypeScript 写一个带泛型约束的函数
• 能用 async/await 处理几个并发异步调用
• 知道 Zod 的 z.object() / z.string() / z.infer 怎么用
• 用过 ES Module 的 import / export 组织代码
• 知道 .env 文件和 process.env 怎么配合
• 能解释 Token 和 Temperature 是什么
• 大致知道 Embedding 是什么
• 能说出 HTTP POST 请求的几个组成部分

8 条都能确认，直接进 环境搭建指南。1-2 条不确定，参考前面的推荐资料花一两天补一下。超过 3 条不确定，先把 TypeScript 和 Node.js 的基础补扎实再回来。

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