有些同学可Neng会问：“现在不是有 Coze、Dify 这类可视化 AI 应用搭建平台吗？为什么还要学编程去Zuo大模型应用？”

合起来就是：通过链式架构将大模型Neng力连接到实际应用中。

而对于 AI Agent 对话机器人开发：核心变成了如何与大模型对话、如何优化提示词、如何管理对话流程。

大模型不Neng实时访问互联网。

增强是指，把从向量数据库搜索的一些资料也附带在问题中，Zui终大模型基于这些资料和用户的问题回答。

在传统开发中，不同的编程语言dou有自己的“神器”：

Zui后用户问问题的时候，就不需要 RAG 的模式，也不需要进行本地的数据库搜索了直接就Neng回答跟公司相关的问题了。这就是微调！

LangChain 支持几乎所有主流大模型：

让我们来逐一拆解这四个核心组件：

简单举例，我们查询天气时ai 肯定不知道当天天气是什么此时ai Ke以调用一个函数，这个函数是我们后端自己写的，当问及查询天气的时候，就让大模型调我们的查询天气 api，然后将结果给大模型，Zui后大模型返回给用户。

npminstalllangchain @langchain/openai dotenv.简单理解:LLM 是大脑,Agent 是有手有脚、Neng自己干活的机器人。.import{ChatOpenAI}from @langchain/openai ;constllm=newChatOpenAI;// DeepSeek 只需加 baseURLconstdeepseek=newChatOpenAI;.

为什么百度不收录我的文章呢？

这个问题问得hen好！作为前端开发者，你一定hen清楚低代码/无代码平台的优缺点：

检查你的文章是否符合百度的收录标准，比如内容质量、原创性等。

说实话，咱就是说有时候这真的挺难琢磨的。

害，你Ke以试试检查一下你的网站有没有被百度正确索引。

你懂的，百度的算法一直在变，我们需要适应这些变化。

import { ChatOpenAI } from "@langchain/openai";const apiKey = "sk-xx";const llm = new ChatOpenAI;const run = async => { try { const response = await llm.invoke; console.log; } catch { console.error; }};run; 拆解 LangChain：名字里藏着什么秘密？

Lang + Chain = 语言模型 + 链式调用

大模型虽然强大，但也有一些“与生俱来”的局限性：

这是给所有前端朋友的一次新机会,我们Ke以充分利用各种成熟的云服务,加上我们对大模型的理解和对用户需求的洞察,迅速构建出解决垂直领域的应用,并根据反馈持续geng新和改进,占领新时代的用户心智。.快速开发一个完整的基于 agent 对话机器人.

场景一：纯Prompt场景

纯Prompt场景是Zui基础、Zui直接的AI应用方式，就像使用搜索引擎一样简单：你输入问题，AI直接返回答案。示意图如下：

// 纯Prompt场景的简单实现import { ChatOpenAI } from "@langchain/openai";const llm = new ChatOpenAI;// 直接调用const response = await llm.invoke;console.log; 场景二：Agent + Function Call

什么是Agent + Function Call？简单来说就是让AI学会使用工具。

AI Agent = LLM + Memory + Planning + Tools

针对上述问题，LangChain 提供了完整的解决方案：

目前 AI Agent 开发框架中Zui耀眼的一颗星，毫无疑问就是 LangChain。今天就让我们一起来揭开它的神秘面纱！

LangChain 的优势

kan到区别了吗？LangChain 就像是一个万Neng翻译器，无论底层用的是哪个大模型，dou为你提供统一的 API 接口。

而且调用方式完全统一，让你Ke以轻松切换或同时使用多个模型。

js 版本, 注意下载 @langchain/core，@langchain/openai 包。

Langchain 主要提供了 类组件帮助我们geng好的使用大语言模型,Ke以视为开源版的 GPT 插件,提供了丰富的大语言模型工具,Ke以在开源模型基础上快速增强模型的Neng力.

讲完 Langchain 是什么了接下来我们了解下 AI Agent 开发我们常见遇到的 个场景，帮助我们了解到后续开发 AI Agent 可Neng遇到的架构是什么。

---