我们对于人工智Neng的期待早Yi超越了简单的“一问一答”。试想一下Ru果你的AI助手不仅Neng陪你谈古论今还Neng帮你处理繁琐的数据库记录、定时发送邮件提醒，甚至在深夜自动检索网络信息，那将是怎样一种体验？这不再是科幻电影里的桥段，而是我们今天要亲手构建的现实。本文将带你深入探索如何利用NestJS的稳健架构与LangChain的强大编排Neng力，打造一个具备工具调用与定时任务功Neng的AI智Neng体。

我们要构建的不仅仅是一个聊天机器人，而是一个具备“行动力”的Agent。这需要我们将大语言模型与具体的业务逻辑进行深度绑定。在这个过程中，NestJS提供了极佳的模块化支持，而LangChain则负责让模型理解何时以及如何调用这些工具。

我们需要搭建起项目的骨架。这不仅仅是安装几个依赖包那么简单，geng像是在为一位即将诞生的数字生命构建神经系统。我们需要配置好环境变量，确保API Key的安全，同时引入必要的依赖库。

OPENAI_API_KEY=sk-xxx
OPENAI_BASE_URL=https://dashscope.aliyuncs.com/compatible-mode/v1
MODEL_NAME=qwen-plus

在根目录创建 `.env` 模块是工程化的第一步，它将敏感信息与代码逻辑解耦。接着，我们在 `AppModule` 中配置全局的 `ConfigModule`，这是整个系统配置的基石。

import { Module } from '@nestjs/common';
import { AppController } from './app.controller';
import { AppService } from './app.service';
import { AiModule } from './ai/ai.module';
import { ConfigModule } from '@nestjs/config';
@Module({
  imports: ,
  controllers: ,
  providers: ,
})
export class AppModule {}

工具调用是让AI从“嘴强王者”转变为“实干家”的关键。我们需要定义一系列工具，比如发送邮件、网络搜索、数据库操作等，并将它们注册到LangChain的模型中。

想象一下当AI分析出你需要发送一封重要邮件时它Neng自动调用SMTP服务完成发送。为了实现这一点，我们需要集成 `@nestjs-modules/mailer`。配置过程虽然略显繁琐，涉及到SMTP主机、端口以及授权码的设置，但一旦配置完成，后续的调用将变得异常优雅。

MAIL_HOST=smtp.qq.com
MAIL_PORT=587
MAIL_SECURE=false
MAIL_USER=
MAIL_PASS=your_authorization_code
MAIL_FROM="No Reply" <>

在代码层面我们通过 `useFactory` 模式创建一个 `SEND_MAIL_TOOL`。这个工具封装了 `mailerService.sendMail` 的逻辑，并定义了清晰的Zod Schema，确保AI知道需要哪些参数才Neng触发此功Neng。

{
  provide: 'SEND_MAIL_TOOL',
  useFactory:  => {
    return tool(
      async  => {
        await mailerService.sendMail({
          to,
          subject,
          text: text ?? '没有文本内容',
          html: html ?? `
${text ?? ''}
`,
          from: configService.get,
        });
      },
      {
        name: 'send_mail',
        description: '发送邮件工具，参数包括收件人邮箱、邮件主题和邮件内容',
        schema: z.object({
          to: z.email.describe,
          subject: z.string.describe,
          text: z.string.optional.describe,
          html: z.string.optional.describe,
        }),
      },
    );
  },
  inject: ,
},

AI的知识库虽然庞大，但往往存在滞后性。为了让助手获取实时信息，我们集成了博查的Web Search API。这就像是给AI装上了一双随时Ke以浏览互联网的眼睛。通过 `fetch` 请求，我们将搜索结果格式化后返回给模型，使其Neng够基于Zui新数据回答问题。

{
  provide: 'WEB_SEARCH_TOOL',
  useFactory:  => {
    return tool(
      async  => {
        const boChaUrl = 'https://api.bochaai.com/v1/web-search';
        // ... 请求逻辑 ...
        const formatted_results = webpages
          .map => {
            return `引用: ${idx + 1}
                    标题: ${page.name}
                    URL: ${page.url}
                    摘要: ${page.summary}`;
          })
          .join;
        return formatted_results;
      },
      // ... schema 定义 ...
    );
  },
  inject: ,
},

对于企业级应用而言，Neng够读写数据库是核心Neng力。我们使用 TypeORM 来管理 MySQL 数据库。为了让AINeng够操作用户表，我们定义了一个 `db_users_crud` 工具。这个工具支持增删改查操作，并通过 `action` 参数来区分具体行为。

这里有一个细节值得玩味：我们在 `ToolModule` 中注入了 `UsersModule`，这体现了NestJS依赖注入的强大之处。AI不再是一个孤立的存在它Ke以直接操作业务数据层。

{
  provide: 'DB_USERS_CRUD_TOOL',
  useFactory:  => {
    return tool(
      async  => {
        switch  {
          case 'create': {
            if  {
              return '创建用户时name 和 email 是必填的';
            }
            const users = await usersService.create;
            return `用户创建成功，ID: ${users.id}, Name: ${users.name}, Email: ${users.email}`;
          }
          // ... 其他 case 处理 ...
        }
      },
      // ... schema 定义 ...
    );
  },
  inject: ,
},

Ru果说工具调用赋予了AI空间上的行动力，那么定时任务则赋予了它时间上的感知力。我们希望AI不仅Neng响应指令，还Neng在特定的时间点自主执行任务。这需要一个健壮的调度系统。

我们设计了三种任务模式：`cron`、`every`、`at`。为了管理这些任务，我们创建了 `Job` 实体，并利用 NestJS 的 `ScheduleModule` 结合 `cron` 库来实现调度。

@Entity
export class Job {
  @PrimaryGeneratedColumn
  id: string;
  @Column
  instruction: string;
  @Column
  type: JobType;
  // ... 其他字段定义 ...
}

在 `JobService` 中，`startRuntime` 方法是核心引擎。它会根据任务类型动态注册调度器。例如对于 `cron` 任务，它会创建一个 `CronJob` 实例；对于 `every` 任务，则使用 `setInterval`。这种动态注册机制非常灵活，允许我们在运行时通过AI指令添加新任务。

private startRuntime {
  if  {
    const cronJobs = this.schedulerRegister.getCronJobs;
    const existingFlag = cronJobs.get;
    if  {
      existingFlag.start;
      return;
    }
    const newCronJob = new CronJob => {
      this.logger.log;
      await this.entityManager.update });
    });
    this.schedulerRegister.addCronJob;
    newCronJob.start;
    return;
  }
  // ... 其他类型处理 ...
}

geng有趣的是我们将这个任务管理功Neng本身也封装成了一个工具 `job_tool`。这意味着，你Ke以直接用自然语言告诉AI：“每隔10秒发邮件到我的邮箱提醒我走动”，AI会解析这段话，计算出 `everyMs`，并调用 `job_tool` 将其注册到调度器中。这种“用魔法打败魔法”的设计，极大地提升了系统的自动化程度。

有了工具和时间管理Neng力，我们需要一个核心的大脑来协调这一切。这就是 `AiService` 和 `JobAgentService` 的职责。

在处理用户请求时我们采用了Agent Loop模式。模型 生成一个响应，Ru果其中包含工具调用，系统会拦截并执行这些工具，然后将结果反馈给模型，让其继续思考，直到Zui终给出答案。

async runJob: Promise {
  const messages: BaseMessage = ;
  while  {
    const aiMessage = await this.modelWithTools.invoke;
    messages.push;
    const toolCalls = aiMessage.tool_calls ?? ;
    if  {
      return String;
    }
    for  {
      // 执行工具并将结果推入消息历史
      if  {
        const result = await this.sendMailTool.invoke;
        messages.push);
      } // ... 其他工具处理 ...
    }
  }
}

为了提升用户体验，我们还实现了流式接口。相比于传统的同步等待，流式输出让用户Neng实时kan到AI的“思考”过程，这种交互感要强烈得多。在 `AIController` 中，我们通过 `Observable` 将流式数据转换为SSE事件推送到前端。

@Sse
chatStream query: string) {
  const stream = this.aiService.runChainStream;
  const result = from.pipe => ));
  return result;
}

通过构建这样一个系统，我们实际上是在探索人机协作的新边界。AI不再是被动的问答机器，而是变成了具备主动执行Neng力的智Neng伙伴。它Neng理解你的意图，调用外部API，操作数据库，甚至管理自己的时间表。

当然这只是一个开始。在未来的迭代中，我们Ke以引入geng复杂的记忆机制，让AI记住用户的偏好；或者增加多模态支持，让它Neng处理图片和音频。但无论如何，核心的架构思想——即通过LangChain连接大模型与业务逻辑，通过NestJS提供稳健的后端支撑——是不会变的。

当你kan到控制台输出“执行定时任务：提醒我喝水”，或者邮箱里准时收到AI整理好的周报时你会深刻地感受到：代码是有温度的，而AI，正在让我们的生活变得geng加美好。希望这篇教程Neng激发你的灵感，去打造属于你自己的智Neng助手。