LangChain 是一个用于构建由大语言模型驱动的应用程序的框架。它可以帮助您将可互操作的组件和第三方集成串联起来，从而简化 AI 应用开发——同时在底层技术不断演进的过程中，确保您的决策具有前瞻性。

文档: 要了解更多关于 LangChain 的信息，请查看 文档。

如果您需要更高级的自定义功能或智能体编排，请查看 LangGraph.js，这是我们用于构建智能体和可控工作流的框架。

[!NOTE] 您在寻找 Python 版本吗？请查看 LangChain。

为了帮助您更快地将 LangChain 应用部署到生产环境，您可以使用 LangSmith。LangSmith 是一个统一的开发者平台，用于构建、测试和监控 LLM 应用程序。

⚡️ 快速安装

您可以使用 npm、pnpm 或 yarn 来安装 LangChain.js：

npm install -S langchain 或 pnpm install langchain 或 yarn add langchain

🚀 为什么使用 LangChain？

LangChain 通过为智能体、模型、嵌入、向量存储等提供标准接口，帮助开发者构建由 LLM 驱动的应用程序。

使用 LangChain 可以实现以下目标：

• 实时数据增强。轻松将 LLM 连接到各种数据源以及外部/内部系统，利用 LangChain 丰富的集成库，连接模型提供商、工具、向量存储、检索器等。
• 模型互操作性。随着您的工程团队不断尝试，您可以灵活地切换不同的模型，找到最适合您应用需求的方案。随着行业前沿的不断发展，LangChain 的抽象层能够帮助您快速适应变化，而不影响开发进度。
• 快速原型开发。借助 LangChain 模块化、基于组件的架构，您可以快速构建和迭代 LLM 应用程序。无需从头开始重建，即可测试不同的方法和工作流，从而加速开发周期。
• 生产就绪的功能。通过与 LangSmith 等工具的集成，LangChain 提供了内置的监控、评估和调试支持，帮助您部署可靠的应用程序。借助经过实战检验的模式和最佳实践，您可以自信地扩展规模。
• 活跃的社区与生态系统。利用丰富的集成、模板和社区贡献的组件，受益于持续改进，并通过活跃的开源社区及时了解最新的 AI 发展动态。
• 灵活的抽象层。您可以根据需求选择合适的抽象层次——从适合快速上手的高层链式结构，到用于精细控制的底层组件。LangChain 随着您的应用复杂度不断增加而成长。

📦 LangChain 的生态系统

• LangSmith —— 用于构建、测试和监控 LLM 应用程序的统一开发者平台。借助 LangSmith，您可以调试性能不佳的 LLM 应用运行情况，评估智能体轨迹，在生产环境中获得可观测性，并自信地部署智能体。
• LangGraph —— 使用 LangGraph，我们提供的低层智能体编排框架，构建能够可靠处理复杂任务的智能体。LangGraph 提供可定制的架构、长期记忆以及人机协作的工作流，已被 LinkedIn、Uber、Klarna 和 GitLab 等公司广泛应用于生产环境。

🌐 支持的环境

LangChain.js 使用 TypeScript 编写，可在以下环境中使用：

• Node.js（ESM 和 CommonJS）：20.x、22.x、24.x
• Cloudflare Workers
• Vercel / Next.js（浏览器、无服务器和边缘函数）
• Supabase Edge Functions
• 浏览器
• Deno
• Bun

📖 更多资源

• 入门指南：安装、环境配置、简单示例
• 学习：了解 LangChain 的核心概念
• LangChain 论坛：与社区交流，分享您的技术问题、想法和反馈
• Chat LangChain：提问并与我们的文档团队聊天

💁 贡献

作为一项处于快速发展领域的开源项目，我们非常欢迎任何形式的贡献，无论是新功能、基础设施改进还是文档优化。

有关如何贡献的详细信息，请参阅 CONTRIBUTING.md。

如发现任何安全问题或疑虑，请按照我们的 安全指南 进行报告。

LangChain.js 快速上手指南

LangChain.js 是一个用于构建大语言模型（LLM）驱动应用的框架。它通过标准化的接口连接模型、向量存储、工具等组件，帮助开发者快速原型设计并部署生产级 AI 应用。

环境准备

系统要求 LangChain.js 基于 TypeScript 编写，支持以下运行环境：

• Node.js: 版本 20.x, 22.x, 24.x (支持 ESM 和 CommonJS)
• 边缘计算/Serverless: Cloudflare Workers, Vercel (Next.js), Supabase Edge Functions
• 其他运行时: Deno, Bun
• 浏览器: 可直接在前端环境中使用

前置依赖

• 已安装 Node.js 及包管理器（npm, pnpm 或 yarn）
• 获取相关 LLM 提供商的 API Key（如 OpenAI, Anthropic 等）

国内开发者提示：如果访问 npm 官方源较慢，建议配置淘宝镜像源： npm config set registry https://registry.npmmirror.com

安装步骤

你可以使用 npm、pnpm 或 yarn 进行安装。任选其一即可：

npm install -S langchain

或者

pnpm install langchain

或者

yarn add langchain

注：根据你使用的具体模型提供商（如 OpenAI），可能还需要安装对应的额外依赖包，例如 @langchain/openai。

基本使用

以下是一个最简单的示例，展示如何初始化模型并调用 LLM 生成回复。本示例以 OpenAI 模型为例。

1. 设置环境变量 在终端中设置你的 API Key（或在项目根目录创建 .env 文件）：

   export OPENAI_API_KEY="your-api-key-here"
   

2. 编写代码 创建一个 index.js (或 index.ts) 文件：

import { ChatOpenAI } from "@langchain/openai";
import { HumanMessage } from "@langchain/core/messages";

// 初始化模型
const model = new ChatOpenAI({
  modelName: "gpt-3.5-turbo",
  temperature: 0.7,
});

// 定义消息并调用模型
const message = new HumanMessage("你好，请简单介绍一下 LangChain.js");
const response = await model.invoke([message]);

// 输出结果
console.log(response.content);

3. 运行程序 确保你的 package.json 中设置了 "type": "module" 以支持 ES Modules，然后运行：

node index.js

你将看到模型返回的介绍内容。在此基础上，你可以进一步结合向量存储、链式调用（Chains）或代理（Agents）来构建更复杂的应用。