# 安装 nvm（macOS / Linux）
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.40.1/install.sh | bash
 
# 重新加载 shell 配置
source ~/.bashrc  # 或 source ~/.zshrc
 
# 安装 Node.js 22 LTS
nvm install 22
 
# 设为默认版本
nvm alias default 22
 
# 验证安装
node --version   # 应输出 v22.x.x
npm --version    # 应输出 10.x.x 或更高

# 验证 npm
npm --version  # 应输出 10.x 或更高

corepack enable
corepack prepare pnpm@latest --activate
pnpm --version

curl -fsSL https://bun.sh/install | bash
bun --version

mkdir langchain-agent-course && cd langchain-agent-course
npm init -y

npm install -D typescript @types/node tsx

{
  "compilerOptions": {
    "target": "ES2022",
    "module": "NodeNext",
    "moduleResolution": "NodeNext",
    "esModuleInterop": true,
    "strict": true,
    "skipLibCheck": true,
    "outDir": "./dist",
    "rootDir": "./src",
    "declaration": true,
    "sourceMap": true,
    "resolveJsonModule": true,
    "forceConsistentCasingInFileNames": true
  },
  "include": ["src/**/*"],
  "exclude": ["node_modules", "dist"]
}

{
  "type": "module",
  "scripts": {
    "dev": "tsx watch src/index.ts",
    "start": "tsx src/index.ts",
    "build": "tsc",
    "typecheck": "tsc --noEmit"
  }
}

npm install @langchain/core @langchain/openai @langchain/anthropic langchain

# 模块 5: Agent 架构
npm install @langchain/langgraph
 
# 模块 6: RAG
npm install @langchain/community chromadb
 
# 模块 7: 可观测性
npm install langsmith

npm install dotenv

# OpenAI
OPENAI_API_KEY=sk-proj-xxxxxxxxxxxxxxxxxxxxxxxx
 
# Anthropic
ANTHROPIC_API_KEY=sk-ant-xxxxxxxxxxxxxxxxxxxxxxxx
 
# LangSmith（模块 7 开始使用）
LANGSMITH_API_KEY=lsv2_pt_xxxxxxxxxxxxxxxxxxxxxxxx
LANGCHAIN_TRACING_V2=true
LANGCHAIN_PROJECT=langchain-agent-course

echo ".env" >> .gitignore

# 在 .env 中添加以下三行
LANGSMITH_API_KEY=lsv2_pt_xxxxxxxxxxxxxxxxxxxxxxxx
LANGCHAIN_TRACING_V2=true
LANGCHAIN_PROJECT=langchain-agent-course

{
  "editor.formatOnSave": true,
  "editor.defaultFormatter": "esbenp.prettier-vscode",
  "editor.codeActionsOnSave": {
    "source.fixAll.eslint": "explicit"
  },
  "typescript.preferences.importModuleSpecifier": "non-relative"
}

import "dotenv/config";
import { ChatOpenAI } from "@langchain/openai";
import { ChatAnthropic } from "@langchain/anthropic";
import {
  HumanMessage,
  SystemMessage,
} from "@langchain/core/messages";
import { StringOutputParser } from "@langchain/core/output_parsers";
 
// ============================================
// 1. 基础调用：直接调用模型
// ============================================
async function basicInvoke() {
  console.log("=== 基础调用 ===\n");
 
  // 选择你有 API Key 的 Provider，注释掉另一个
  const model = new ChatOpenAI({
    model: "gpt-4o-mini",
    temperature: 0,
  });
 
  // 如果你使用 Anthropic，取消下面的注释：
  // const model = new ChatAnthropic({
  //   model: "claude-haiku-4-5",
  //   temperature: 0,
  // });
 
  const response = await model.invoke([
    new SystemMessage("你是一个乐于助人的 AI 助手。请用中文回答。"),
    new HumanMessage("用一句话解释什么是 LangChain。"),
  ]);
 
  // 1.x 推荐用 response.text 取纯文本，多模态场景读 response.contentBlocks
  console.log("模型回复:", response.text);
  console.log("Token 使用:", response.usage_metadata);
  console.log();
}
 
// ============================================
// 2. 流式输出：逐 Token 打印
// ============================================
async function streamOutput() {
  console.log("=== 流式输出 ===\n");
 
  const model = new ChatOpenAI({
    model: "gpt-4o-mini",
    temperature: 0.7,
  });
 
  const stream = await model.stream([
    new HumanMessage("写一首关于编程的四行诗。"),
  ]);
 
  process.stdout.write("模型回复: ");
  for await (const chunk of stream) {
    process.stdout.write(chunk.text ?? "");
  }
  console.log("\n");
}
 
// ============================================
// 3. Chain 组合：模型 + 输出解析器
// ============================================
async function chainExample() {
  console.log("=== Chain 组合 ===\n");
 
  const model = new ChatOpenAI({
    model: "gpt-4o-mini",
    temperature: 0,
  });
 
  // 使用 pipe() 将模型和输出解析器连接成 Chain
  const chain = model.pipe(new StringOutputParser());
 
  // invoke 的返回值直接是 string，不再是 AIMessage
  const result: string = await chain.invoke([
    new HumanMessage("用一个词形容 TypeScript。"),
  ]);
 
  console.log("解析后的结果:", result);
  console.log("结果类型:", typeof result);
  console.log();
}
 
// ============================================
// 运行所有示例
// ============================================
async function main() {
  console.log("LangChain.js 环境验证\n");
 
  try {
    await basicInvoke();
    await streamOutput();
    await chainExample();
    console.log("[OK] 所有验证通过，环境已准备就绪。");
  } catch (error) {
    console.error("[FAIL] 验证失败:", error);
    console.error("\n请检查：");
    console.error("1. .env 文件是否存在且包含正确的 API Key");
    console.error("2. API Key 是否有效且有足够额度");
    console.error("3. 网络是否能访问 API 服务");
    process.exit(1);
  }
}
 
main();

# 使用 tsx 直接运行 TypeScript
npm start
 
# 或使用 bun
bun src/index.ts

LangChain.js 环境验证

=== 基础调用 ===

模型回复: LangChain 是一个用于构建基于大语言模型（LLM）应用的开发框架，提供了模型调用、提示管理、记忆、工具集成等模块化组件。
Token 使用: { input_tokens: 32, output_tokens: 58, total_tokens: 90 }

=== 流式输出 ===

模型回复: 键盘敲击似春雨，代码如诗写华章。Bug 退散逻辑明，编程之路步步光。

=== Chain 组合 ===

解析后的结果: 安全
结果类型: string

[OK] 所有验证通过，环境已准备就绪。

langchain-agent-course/
├── .env                  # API Key（不提交到 Git）
├── .env.example          # API Key 模板（提交到 Git）
├── .gitignore
├── .vscode/
│   └── settings.json
├── package.json
├── package-lock.json
├── tsconfig.json
└── src/
    └── index.ts          # Hello World 验证代码