Langchain.js 实战一：快速入门

大家好，我是讯享网，很高兴认识大家。这里提供最前沿的Ai技术和互联网信息。

LangChain 让您轻松构建完全自定义的智能体和基于 LLM 的应用程序。只需不到 10 行代码，即可连接到千问、DeepSeek、Kimi、 OpenAI、Anthropic、Google 等平台 LangChain 提供预构建的智能体架构和模型集成，帮助您快速上手，并将 LLM 无缝集成到您的智能体和应用程序中。当前最新的版本是 V1.2.13。

LangChain 是使用 TypeScript 编写的，可以在以下环境中使用:

Node.js (ESM 和 CommonJS) - 18.x， 19.x， 20.x
明确不保证支持: Node.js 16，如果仍旧希望在 16版本运行，也可以参考官方文档安装

要开始使用 LangChain，请使用以下命令安装:

安装完毕后使用以下命令查看安装版本：

GPT plus 代充 只需 145

如果是LangChain的0.0.52之前的版本，需要更新导入以使用新的路径结构，如果你的是新版本则忽略。如果你参考的是之前老版本的教程，可能这些导包路径在之后的版本中更新了，新版导包参考如下：

适用于下列6个模块的所有导入，这些模块已分割为每个集成的子模块。组合模块已被弃用，在 Node.js 之外不起作用，并将在将来的版本中删除。

如果您使用的是，请参见 LLMs 以获取更新后的导入路径。
如果您使用的是，请参见 Chat Models 以获取更新后的导入路径。
如果您使用的是，请参见 Embeddings 以获取更新后的导入路径。
如果您使用的是，请参见 Vector Stores 以获取更新后的导入路径。
如果您使用的是，请参见 Document Loaders 以获取更新后的导入路径。
如果您使用的是，请参见 Retrievers 以获取更新后的导入路径。

其他模块不受此更改影响，您可以继续从同一路径导入它们。

此外，还有一些模块也需要进行重大更改:

现已移至
现已移至
现已移至
现已移至
现已移至

LangChain 提供与数百个 LLM 和其他数千个集成的集成。这些集成以独立提供商软件包的形式存在。一般大模型厂商都兼容 openai 的接口规范。

GPT plus 代充 只需 145

目前为止，我们搞定了环境，接下来创建一个聊天模型快速上手！

本节介绍如何使用聊天模型入门。首先我们选择一个开放大模型，国内可以选择千问，DeepSeek 、智谱或者 Kimi的大模型 API 接口。通过访问相关模型官网获取到请求接口与（密钥）。本文以千问大模型为例快速构建一个聊天模型。

语言学习模型（LLM）是功能强大的AI工具，能够像人类一样理解和生成文本。它们用途广泛，无需针对每项任务进行专门训练，即可撰写内容、翻译语言、撰写摘要和回答问题。下面主要会学习几点：

非流式调用大模型
流式调用大模型
批量调用大模型
Zod 结构化输出
获取模型回答置信度

2.1 创建项目

在一个空白项目目录下执行如下命令：

在这个项目根目录下创建文件，并填入千问大模型的（密钥）作为项目的环境变量，如下

GPT plus 代充 只需 145

中添加为：

2.2 创建大模型对象

导入如下依赖包：

GPT plus 代充 只需 145

创建大模型对象，下面注释掉的参数一般不需要配置：

2.3 非流式调用

GPT plus 代充 只需 145

上面是手动构造一个问答喂给模型，其实可以使用提供的接口，如下：

大模型返回的是一个实例，包含了模型的回复内容及其调用统计信息，如下面的内容：

GPT plus 代充 只需 145

如果对用户提供收费服务，一般用来计算用户大模型的调用次数（调用量）。

2.3 流式调用

大多数模型都能在生成输出内容的同时进行流式传输。通过逐步显示输出，流式传输显著提升了用户体验，尤其是在处理较长的响应时。调用返回一个迭代器它会在生成过程中实时输出数据块。您可以使用循环来实时处理每个数据块，只需要调用如下的命令：

GPT plus 代充 只需 145

最后我们只需要实时将刷新到 UI 上就能看到流式输出结果。

2.4 批量调用

同样也可以对大模型批量调用，提高调用效率：

2.5 结构化输出

模型可以按照给定的模式提供响应。这有助于确保输出易于解析，并可用于后续处理。LangChain 支持多种模式类型和方法来强制输出结构化数据。

zod schema是定义输出模式的首选方法。请注意，如果提供了 zod schema，模型输出还会使用 zod 的解析方法根据该 schema 进行验证。zod 也可以 json 嵌套。

GPT plus 代充 只需 145

2.6 模型回答置信度

某些模型可以通过在初始化模型时设置参数来配置，从而返回模型响应给定token可能性的标记级日志概率（只能标记生成 token 的概率，并不是对整句话生成的概率，没啥用，还不如每次输出时要模型给自己的回答打一个置信度分来的准确。）：

GPT plus 代充 只需 145

下一章节我们详细来介绍：至关重要的大模型消息。