LangChain.js 实践：从 LCEL 到 Agent

LangChain.js 提供了一套围绕模型、提示词、工具、检索器和输出解析器的可组合抽象。它最重要的设计不是某一个 Agent 模板，而是统一的 Runnable 接口。

LangChain.js

在应用层，我们通常要处理提示词模板、模型调用、结构化输出、流式响应、重试和链路追踪。LangChain.js 把这些能力组织为可以独立测试和组合的模块。

model.ts

import { ChatOpenAI } from "@langchain/openai";
 
export const model = new ChatOpenAI({
  model: "gpt-4.1-mini",
  temperature: 0,
});

LCEL

LCEL（LangChain Expression Language）使用管道式组合表达数据流。链中的每一步接收上一步输出，并返回下一步可消费的结果。

summary-chain.ts

import { StringOutputParser } from "@langchain/core/output_parsers";
import { ChatPromptTemplate } from "@langchain/core/prompts";
 
const prompt = ChatPromptTemplate.fromTemplate(
  "请用三句话总结以下内容：\n\n{content}",
);
 
export const summaryChain = prompt.pipe(model).pipe(new StringOutputParser());
 
const result = await summaryChain.invoke({
  content: "一段需要总结的技术文章……",
});

flowchart LR
  A[用户输入] --> B[Prompt Template]
  B --> C[Chat Model]
  C --> D[Output Parser]
  D --> E[结构化结果]

Runnable

Runnable 是统一协议。常用方法包括：

方法	场景
`invoke`	单次输入、单次输出
`batch`	批量并发调用
`stream`	流式返回结果
`pipe`	串联多个 Runnable

统一接口意味着自定义业务步骤也能参与 LCEL 组合。

normalize.ts

import { RunnableLambda } from "@langchain/core/runnables";
 
const normalize = RunnableLambda.from((input: string) => ({
  question: input.trim(),
  requestedAt: new Date().toISOString(),
}));

Agent

固定链适合路径已知的任务；Agent 适合需要模型动态选择下一步动作的任务。一个典型循环包含规划、工具调用、观察结果和生成最终答案。

stateDiagram-v2
  [*] --> Planning
  Planning --> ToolCall: 需要外部信息
  ToolCall --> Observation
  Observation --> Planning
  Planning --> FinalAnswer: 信息已充分
  FinalAnswer --> [*]

Tool 调用

Tool 应该有清晰的名称、窄职责、准确描述和可验证的输入 Schema。模型负责选择工具，应用仍要负责权限、超时、幂等和结果校验。

weather-tool.ts

import { tool } from "@langchain/core/tools";
import { z } from "zod";
 
export const weatherTool = tool(
  async ({ city }) => {
    return `当前查询城市：${city}`;
  },
  {
    name: "get_weather",
    description: "查询指定城市的实时天气",
    schema: z.object({
      city: z.string().describe("城市名称"),
    }),
  },
);

Agent 的可靠性来自边界设计和可观测性，而不只是更复杂的提示词。

工程建议

优先用固定 Runnable 链解决确定性流程。
只有在步骤必须动态决策时才引入 Agent。
Tool 输入必须验证，敏感动作必须增加授权检查。
为模型调用、工具调用和最终输出记录可追踪的运行信息。
使用小型评测集验证正确性、延迟和成本。