Skip to Content
LangChain.js Agent 开发权威指南Introduction课程路线图

课程目标与受众定位

本课程的核心目标是：让你具备使用 LangChain.js 独立设计、开发和部署生产级 AI Agent 应用的能力。

课程结束时，你将能够：

  • 熟练运用 LangChain.js 1.x 全套 API 构建 LLM 应用
  • 设计多步骤、可回溯、具备工具调用能力的 Agent 系统
  • 构建完整的 RAG（Retrieval-Augmented Generation）管道
  • 使用 LangGraph.js 编排复杂的多 Agent 工作流
  • 通过 LangSmith 实现可观测性、评估与调试
  • 将 AI 应用从原型推进到生产部署

适合谁学

受众类型前提条件学完可达到的水平
有 1-2 年经验的前端/Node.js 开发者熟悉 TypeScript、async/await能独立开发 AI Agent 产品
后端开发者想拓展 AI 方向有任意语言后端经验掌握 LLM 应用全链路架构
Python LangChain 用户想迁移到 JS 生态了解 LangChain 概念快速上手 JS/TS 等效实现
技术负责人 / 架构师需要评估 AI 技术选型理解 Agent 架构的工程权衡

不适合谁

  • 完全没有编程经验的初学者（请先学习 JavaScript/TypeScript 基础）
  • 期望学习模型训练或微调的研究者（本课程聚焦应用层）

整体学习路径

课程共 8 大模块 + 4 个综合项目，按照从基础到高级的递进关系编排：

模块 1: 核心抽象          ──  Runnable / LCEL / Model I/O / Prompt / Parser
模块 2: Chain 组合         ──  RunnableSequence / Parallel / Branch / Streaming / Fallback
模块 3: 记忆系统           ──  Checkpointer / Store / 多用户隔离
模块 4: 工具与函数调用      ──  Tool / Function Calling / MCP
模块 5: Agent 架构         ──  createAgent / Middleware / LangGraph / Multi-Agent / HITL
模块 6: RAG               ──  Loader / Splitter / Retriever / Advanced RAG / RAG Agent
模块 7: 可观测性与评估      ──  Callback / LangSmith / Evaluation / Prompt Engineering
模块 8: 生产部署           ──  API / Streaming / Cache / Security / Deployment
综合项目                   ──  智能客服 / 代码助手 / 数据分析 / 多 Agent 平台

模块之间的依赖关系如下图所示：

┌────────────────────────────────────────────────────┐
│                  模块 1: 核心抽象                     │
│     (Model, Prompt Template, Output Parser)         │
└──────────────────────┬─────────────────────────────┘
                       │
          ┌────────────┴────────────┐
          ▼                         ▼
   ┌──────────────┐         ┌──────────────┐
   │ 模块 2: Chain │         │ 模块 3: 记忆  │
   └──────┬───────┘         └──────┬───────┘
          │                        │
          └───────────┬────────────┘
                      ▼
            ┌──────────────────┐
            │ 模块 4: 工具调用   │
            └────────┬─────────┘
                     ▼
            ┌──────────────────┐
            │ 模块 5: Agent     │
            └────────┬─────────┘
                     │
          ┌──────────┴──────────┐
          ▼                     ▼
   ┌──────────────┐    ┌───────────────┐
   │ 模块 6: RAG   │    │ 模块 7: 可观测 │
   └──────┬───────┘    └───────┬───────┘
          │                    │
          └────────┬───────────┘
                   ▼
          ┌──────────────────┐
          │ 模块 8: 生产部署   │
          └────────┬─────────┘
                   ▼
          ┌──────────────────┐
          │    综合项目        │
          └──────────────────┘

关键设计原则： 模块 2 和模块 3 可以并行学习；模块 6 和模块 7 也可以并行学习。但模块 4（工具调用）是模块 5（Agent）的硬性前置依赖——Agent 的核心能力就是调用工具。

每个模块的核心产出物

每个模块都遵循 “概念 → API → 实战 → 产出” 的四步教学法。以下是各模块结束时你应该完成的产出物：

模块核心产出物复杂度
模块 1: 核心抽象一个支持多 Provider 切换的 ChatBot CLI 工具★☆☆☆☆
模块 2: Chain 组合一个多步骤内容生成管道（翻译 → 摘要 → 格式化）★★☆☆☆
模块 3: 记忆系统用 checkpointer 实现可持久化、可多用户隔离的对话系统★★☆☆☆
模块 4: 工具调用一个能查天气、搜网页、算数学的工具增强 Agent★★★☆☆
模块 5: Agent 架构用 createAgent 和 LangGraph 构建带 Middleware 和 HITL 的复杂 Agent★★★★☆
模块 6: RAG自适应 RAG Agent，含向量检索、Rerank 和置信度回退★★★★☆
模块 7: 可观测性集成 LangSmith Tracing + Dataset 评估 + 自定义指标★★★☆☆
模块 8: 生产部署将 Agent 部署为带流式 / 缓存 / 安全防御的生产 HTTP 服务★★★★☆
综合项目智能客服 / 代码助手 / 数据分析 / 多 Agent 平台 任选一个完整实现★★★★★

建议学习节奏

以下时间预估基于每天投入 1-2 小时 的学习节奏：

模块预估时间建议节奏
模块 0: 导论与环境搭建0.5 天第 1 天上午
模块 1: 核心抽象3 天第 1 周前半
模块 2: Chain 组合3 天第 1 周后半
模块 3: 记忆系统3 天第 2 周前半
模块 4: 工具与函数调用4 天第 2 周后半 ~ 第 3 周初
模块 5: Agent 架构5 天第 3 周
模块 6: RAG5 天第 4 周
模块 7: 可观测性与评估3 天第 5 周前半
模块 8: 生产部署3 天第 5 周后半
综合项目5-7 天第 6 周
合计约 5-6 周

提示： 如果你已经有 LangChain Python 经验，可以将模块 1-3 的时间压缩一半，重点关注 JS/TS 生态的差异点。

技术栈全景

本课程的完整技术栈如下：

核心运行时与语言

技术版本要求用途
Node.js20+ (LTS)运行时环境，原生支持 ES Module
TypeScript5.x类型安全，Zod schema 集成
npm10+包管理器（默认），pnpm / bun 也可

LangChain.js 生态（1.x）

包名用途
langchainAgent 主入口（createAgent、Middleware）
@langchain/core核心抽象（Runnable、Message、Prompt、Parser）
@langchain/langgraph状态机底层（StateGraph、Checkpointer）
@langchain/openaiOpenAI GPT-5 / GPT-4o 集成
@langchain/anthropicAnthropic Claude 4.x 集成
@langchain/community社区集成（Vector Store、Loader、Tool 等）
@langchain/classic1.0 之前的 legacy API（兼容性容身处，不主推）

模型选型（2026 年当下）

场景推荐模型
旗舰（复杂规划 / 长上下文）Claude Opus 4.7、GPT-5 系列旗舰款
平衡（大多数 Agent 工作负载）Claude Sonnet 4.6、GPT-5 系列标准款、GPT-4.1
速度（简单分类 / 路由 / 低延迟）Claude Haiku 4.5、GPT-5 系列 mini、GPT-4o-mini
国产（境内合规场景）DeepSeek V4、Moonshot Kimi、阿里通义 Qwen3

可观测性与评估

技术用途
LangSmithTrace 追踪、Prompt 管理、评估实验

辅助工具

技术用途
ZodRuntime schema 校验，LangChain 结构化输出的基础
dotenv环境变量管理
VS Code推荐 IDE

学完之后能做什么

完成全部课程后，你将具备以下能力矩阵：

技术能力

  • 构建对话系统： 基于 LangChain.js 开发多轮对话 Bot，支持上下文记忆与会话管理
  • 开发 AI Agent： 使用 LangGraph.js 编排复杂的多步骤推理、工具调用和决策循环
  • 搭建 RAG 管道： 从文档摄入 → 向量化 → 检索 → 生成的全流程实现
  • 集成多 LLM Provider： 灵活切换 OpenAI、Anthropic 等模型供应商
  • 监控与评估： 使用 LangSmith 追踪每次调用、定义评估指标、持续优化
  • 生产部署： 将 Agent 部署为可伸缩的 HTTP 服务，处理流式输出与错误恢复

可以构建的产品类型

  • 企业知识库问答系统
  • 智能客服 Agent
  • 代码生成 / Review 助手
  • 多步骤数据分析 Agent
  • 文档摘要与翻译管道
  • 个人 AI 助理（日程管理、信息检索、任务编排）

职业发展

掌握 LangChain.js Agent 开发，意味着你可以胜任以下岗位：

  • AI 应用工程师
  • LLM 应用架构师
  • Full-stack AI 开发者
  • AI 产品技术负责人

准备好后，先读 前置知识清单 确认基础，再跟着 环境搭建指南 配好开发环境，就可以正式开始了。

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

本书资源

继续阅读 · 同作者其他书

Last updated on
前言前置知识清单