小聊：为什么要玩LangChain？

先说一句，咱们今天聊的不是普通的客服机器人。

哈哈，我跟你说传统的规则机器人啊，像是那种只Neng答“你好，请问有什么Ke以帮助您？”的老古董。

真的，你要是想让它查订单、查物流，那得写上千行if‑else，脑袋dou炸了。

所以啊，我决定把LangChain搬进来玩一玩，毕竟它号称Neng把大语言模型和工具链结合，听起来就hen带感。

不扯淡了咱们直接开干。

先在本地新建个目录，叫smart-cs。

然后npm init -y，装上langchain@langchain/openaiexpress这些必备的玩意儿。

别忘了把.env文件甩进去，里面放OpenAI的key、数据库链接啥的。

说实话，这一步我差点忘记加.env，结果跑起来报错，一度想直接放弃——不对不对，我这才是真正的开发者精神。

先在src/agent.ts里搞个Agent，只用OpenAI模型，不加工具。

import { createAgent } from "langchain";
export const baseAgent = createAgent({
  model: "openai:gpt-4o",
  systemPrompt: `你是一个友好的电商客服助手，用简短、礼貌的话回复用户。`,
});

这时候启动服务器，用curl随便发条“你好”，你会kan到返回：“你好，有什么Ke以帮您的吗？”——太爽了吧！

接下来才是正经事儿——给它装上查询订单、物流追踪、知识库搜索这些“小插件”。

import { tool } from "@langchain/core/tools";
export const queryOrder = tool(
  async  => {
    // 假装调用外部API
    return `订单 ${orderId} 正在运输中，预计明天送达。`;
  },
  {
    name: "query_order",
    description: "查询订单状态，需要orderId。",
    schema: { orderId: "string" },
  }
);

import { tool } from "@langchain/core/tools";
export const trackLogistics = tool(
  async  => {
    return `运单 ${trackingNo} Yi到达北京转运中心，即将发往目的地。`;
  },
  {
    name: "track_logistics",
    description: "查询物流信息，需要trackingNo。",
    schema: { trackingNo: "string" },
  }
);

这个稍微麻烦点，要先把文档切块、生成embedding，然后存进向量库。咱们这里直接假设Yi经有一个函数Neng返回匹配文档：

import { tool } from "@langchain/core/tools";
export const searchKB = tool(
  async  => {
    // 模拟返回两段答案
    return `退货政策：未使用商品7天内可退。\
iPhone12支持双卡双待。`;
  },
  {
    name: "search_kb",
    description: "搜索知识库，用于回答产品或政策相关问题。",
    schema: { query: "string" },
  }
);

import { createAgent } from "langchain";
import { queryOrder, trackLogistics, searchKB } from "./tools";
export const csAgent = createAgent({
  model: "openai:gpt-4o",
  tools: ,
  systemPrompt:
    `你是电商客服助理。先判断用户意图，Ru果涉及订单或物流就调用相应工具；Ru果是常见问题就搜索知识库；否则礼貌告知并建议转人工。`,
});

在/api/chat里把用户消息转成LangChain格式，然后调csAgent.invoke。

app.post=> {
  const { message, sessionId } = req.body;
  const result = await csAgent.invoke(
    { messages:},
    { configurable:{ thread_id:`sess-${sessionId}` } }
 );
  res.json.content });
});

说到这里你可Neng会好奇，这玩意儿上线后为啥百度搜索找不到？我也琢磨了半天。

A： 因为我们的系统主要是内部API服务，没有公开网页供爬虫抓取。

B： 再者，我们用了hen多动态渲染和认证层，百度蜘蛛根本进不去。

C： Zui关键的是我们没有提供robots.txt允许爬取，也没提交站点地图给百度站长平台。

D： 所以Ru果真想让百度收录，就得把前端页面Zuo成静态HTML、开放robots、提交sitemap……你懂的，就是这么回事儿啦。

先说说我踩过的几个坑——别学我重复犯错啊！哈哈。

Pain 1其实就是对话记忆没Zuo好，一轮结束后再问“我的订单号呢”，模型根本不知道之前聊过什么。

#解决办法# 把PostgreSQL或者Redis当作持久化MemorySaver，每次invokedou带上thread_id，这样上下文就Neng跨请求保留啦。

I/O慢的时候模型等不到结果，会直接返回“抱歉，我暂时无法获取信息”。这时候我们Ke以给tool加个超时重试机制，再配合LangSmith监控错误率。

LARGE模型有Token限制，我一开始systemPrompt塞进去了全部业务流程，大约800字，一下子被裁剪掉半截。后来改成只保留关键指令，其余细节放进Tool描述里就稳了。

- 环境变量全配置好？特别是API key别忘了写.env里。

- 向量库Yi建好索引？跑一次buildKnowledgeIndex确认无报错。

- 对话记忆表Yi创建？Postgres跑一下迁移脚本确保表结构正确。

- 健康检查接口Neng返回200？/health别忘了加日志输出，以免容器启动后卡死找不到原因。

说实话，这套系统从零搭到Neng跑起来比起买现成SaaS省钱不少，也geng懂自己业务需求。

不过啊，也别指望一次搞定所有细节——每次上线dou会发现新的bug或者性Neng瓶颈，那就是成长过程呀！哈哈哈，你懂的～

- 用emoji适度点缀，比如“😊”或“👍”。

- 加入用户昵称，让回复geng私人化：“小张您好”。

- 当检测到负面情绪时加一句安抚的话：“抱歉给您带来困扰，我马上帮您处理”。