本文详细介绍了如何使用LangChain.js从前端开发者的角度一步步构建一个AI Agent产品。从本地原型开发、集成到React组件再到部署上线全流程实战演示帮助前端开发者快速掌握AI Agent开发技能无需学习Python或更换语言只需TypeScript技能和npm install langchain即可开始。前两天学了 LangChain.js 的基础和核心组件今天聊最实用的事——怎么把一个 AI Agent 做成能上线的产品。前端开发者做这个有天然优势本来就在做产品只是现在产品里多了一个智能组件。完整的产品流程先看一个 AI Agent 产品从 0 到 1 的完整流程前端开发者的 AI Agent 产品流程这个过程和做一个普通前端项目没本质区别只是多了一个智能组件。步骤一本地原型纯 TypeScript先不管 UI把 Agent 逻辑跑通。这是前端开发者最擅长的——先写纯逻辑再考虑展示。// agent.ts - 纯逻辑不依赖任何 UI 框架 import { ChatOpenAI } from langchain/openai; import { createReactAgent } from langchain/langgraph/prebuilt; import { tool } from langchain/core/tools; import { z } from zod; // 工具一知识库查询模拟 const knowledgeTool tool( async ({ query }) { // 实际项目里这里会连向量数据库 const mockDocs { React: React 是 Meta 开发的 UI 库核心是组件化和虚拟 DOM。, Vue: Vue 是尤雨溪开发的渐进式框架易学易用。, }; return mockDocs[query] || 知识库中没有相关信息; }, { name: get_knowledge, description: 从内部知识库检索前端技术文档, schema: z.object({ query: z.string().describe(技术名称如 React、Vue), }), } ); // 工具二天气查询 const weatherTool tool( async ({ city }) { return ${city}今天晴转多云22-30°C; }, { 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), }), } ); export async function createAgent() { const model new ChatOpenAI({ model: gpt-4o-mini, openAIApiKey: process.env.OPENAI_API_KEY, }); const agent createReactAgent({ llm: model, tools: [knowledgeTool, weatherTool], messageModifier: { type: system, content: 你是一个前端技术AI助手回答问题要简洁专业。, }, }); return agent; }测试一下// test.ts import { createAgent } from ./agent; import { HumanMessage } from langchain/core/messages; async function test() { const agent await createAgent(); const result await agent.invoke({ messages: [new HumanMessage(React 是什么)], }); const lastMessage result.messages[result.messages.length - 1]; console.log(lastMessage.content); } test();运行npx tsx test.ts # 输出[调用 get_knowledge: React] React 是 Meta 开发的 UI 库...逻辑跑通了。接下来把它包成 React 组件。步骤二集成到 React智能组件把 Agent 逻辑包成一个 React 组件和普通组件没区别// components/SmartChat.tsx import { useState, useRef } from react; import { createAgent } from ../agent; import { HumanMessage } from langchain/core/messages; export function SmartChat() { const [input, setInput] useState(); const [messages, setMessages] useState{ role: string; content: string }[]([]); const [isLoading, setIsLoading] useState(false); const agentRef useRef(null); // 初始化 Agent像初始化其他资源一样 if (!agentRef.current) { createAgent().then(agent { agentRef.current agent; }); } const handleSubmit async () { if (!input.trim() || !agentRef.current) return; setIsLoading(true); const userMessage { role: user, content: input }; setMessages(prev [...prev, userMessage]); setInput(); try { const result await agentRef.current.invoke({ messages: [new HumanMessage(input)], }); const lastMessage result.messages[result.messages.length - 1]; setMessages(prev [ ...prev, { role: assistant, content: lastMessage.content as string }, ]); } catch (error) { console.error(Agent 调用失败:, error); } finally { setIsLoading(false); } }; return ( div style{{ maxWidth: 600, margin: 0 auto }} div style{{ height: 400, overflowY: auto, border: 1px solid #ccc, padding: 16 }} {messages.map((msg, i) ( div key{i} style{{ marginBottom: 12 }} strong{msg.role user ? 你 : Agent}/strong div{msg.content}/div /div ))} {isLoading div思考中.../div} /div div style{{ marginTop: 16, display: flex, gap: 8 }} input value{input} onChange{e setInput(e.target.value)} onKeyPress{e e.key Enter handleSubmit()} style{{ flex: 1, padding: 8 }} placeholder问点什么... / button onClick{handleSubmit} disabled{isLoading} 发送 /button /div /div ); }这个组件可以直接放到任何 React 项目里像使用其他组件一样。步骤三部署到 Vercel一键上线前端开发者最熟悉的流程——push 代码Vercel 自动部署。// package.json { name: ai-agent-frontend, version: 1.0.0, scripts: { dev: next dev, build: next build, start: next start }, dependencies: { next: ^14.0.0, react: ^18.2.0, langchain: ^0.2.0, langchain/openai: ^0.2.0 } }环境变量配置Vercel 控制台OPENAI_API_KEYsk-xxxx NEXT_PUBLIC_API_URLhttps://your-api.com部署git init git add . git commit -m Initial commit: AI Agent 智能客服 git remote add origin https://github.com/yourname/ai-agent-frontend.git git push -u origin main # 然后去 Vercel 控制台导入这个仓库自动部署三分钟后你的 AI Agent 就上线了。生产环境的调整Demo 和产品的差距维度Demo产品前端开发者怎么搞API Key 安全前端硬编码后端代理 / 环境变量Vercel Environment Variables模型调用直连 OpenAI加重试 限流用 Vercel Edge Functions 做代理对话历史内存存着数据库持久化用 Supabase / Firebase监控console.log分布式 TraceLangSmith Vercel Analytics成本不管每轮对话计费用 streaming 减少 token 消耗一个完整的实战项目智能技术文档助手把上面所有东西串起来做一个能用的东西——智能技术文档助手。功能用户问前端技术问题Agent 先查知识库本地 Markdown 文档查不到再调搜索工具结果展示在 React 组件里// 知识库准备本地 Markdown const docs [ { title: React 组件化, content: React 的核心是组件化..., }, { title: Vue 响应式原理, content: Vue 通过 Object.defineProperty 实现响应式..., }, ]; // 把文档变成 Tool不用向量库简单搜索 const knowledgeTool tool( async ({ query }) { const results docs.filter(doc doc.content.includes(query) || doc.title.includes(query) ); return results.map(r [${r.title}] ${r.content}).join(/n); }, { name: search_docs, description: 搜索本地技术文档, schema: z.object({ query: z.string().describe(搜索关键词), }), } );部署到 Vercel 后访问https://your-app.vercel.app就能用了。三天速通总结前端开发者的 AI Agent 学习路径Day 1LangChain.js 是什么、为什么前端开发者应该用、组件化思维迁移Day 2页面交互 vs Agent 交互、Tool 定义、Chain vs Agent 选型Day 3本地原型 → React 组件 → Vercel 部署完整产品流程如果大家是前端开发者想做 AI Agent不用学 Python不用换语言现有的 TypeScript 技能直接迁移。一个npm install langchain就能开始。最后如果说程序员已经是高薪职业那么干AI的程序员就是高薪中的高薪。现在的市场已经用数据给程序员指明了方向学AI大模型就是冲刺高薪的最优解看着身边越来越多的同行转型大模型、拿到高薪offer很多人心里都动了心但真正的难题来了零基础小白不知道从哪入门有基础的程序员找不到系统学习路径实战项目练手无门面试不知道考什么别慌今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包覆盖从入门到实战、从理论到面试、从基础到进阶的全流程所有资料均已整理归档无冗余、无套路免费分享给每一位想抓住AI风口的程序员和小白扫码免费领取全部内容1、大模型系统化学习路线2、大模型学习书籍文档3、AI大模型最新行业报告4、大模型项目实战配套源码5、大模型大厂面试真题四阶段精细化学习规划附时间节点可直接照做结合上述资源给大家整理了一份可直接落地的四阶段学习规划总时长约2个月小白可循序渐进程序员可根据自身基础调整节奏高效掌握大模型核心能力快速实现从“入门”到“能落地、能面试”的跨越。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容6、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
本文详细介绍了如何使用LangChain.js从前端开发者的角度一步步构建一个AI Agent产品。从本地原型开发、集成到React组件再到部署上线全流程实战演示帮助前端开发者快速掌握AI Agent开发技能无需学习Python或更换语言只需TypeScript技能和npm install langchain即可开始。前两天学了 LangChain.js 的基础和核心组件今天聊最实用的事——怎么把一个 AI Agent 做成能上线的产品。前端开发者做这个有天然优势本来就在做产品只是现在产品里多了一个智能组件。完整的产品流程先看一个 AI Agent 产品从 0 到 1 的完整流程前端开发者的 AI Agent 产品流程这个过程和做一个普通前端项目没本质区别只是多了一个智能组件。步骤一本地原型纯 TypeScript先不管 UI把 Agent 逻辑跑通。这是前端开发者最擅长的——先写纯逻辑再考虑展示。// agent.ts - 纯逻辑不依赖任何 UI 框架 import { ChatOpenAI } from langchain/openai; import { createReactAgent } from langchain/langgraph/prebuilt; import { tool } from langchain/core/tools; import { z } from zod; // 工具一知识库查询模拟 const knowledgeTool tool( async ({ query }) { // 实际项目里这里会连向量数据库 const mockDocs { React: React 是 Meta 开发的 UI 库核心是组件化和虚拟 DOM。, Vue: Vue 是尤雨溪开发的渐进式框架易学易用。, }; return mockDocs[query] || 知识库中没有相关信息; }, { name: get_knowledge, description: 从内部知识库检索前端技术文档, schema: z.object({ query: z.string().describe(技术名称如 React、Vue), }), } ); // 工具二天气查询 const weatherTool tool( async ({ city }) { return ${city}今天晴转多云22-30°C; }, { 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), }), } ); export async function createAgent() { const model new ChatOpenAI({ model: gpt-4o-mini, openAIApiKey: process.env.OPENAI_API_KEY, }); const agent createReactAgent({ llm: model, tools: [knowledgeTool, weatherTool], messageModifier: { type: system, content: 你是一个前端技术AI助手回答问题要简洁专业。, }, }); return agent; }测试一下// test.ts import { createAgent } from ./agent; import { HumanMessage } from langchain/core/messages; async function test() { const agent await createAgent(); const result await agent.invoke({ messages: [new HumanMessage(React 是什么)], }); const lastMessage result.messages[result.messages.length - 1]; console.log(lastMessage.content); } test();运行npx tsx test.ts # 输出[调用 get_knowledge: React] React 是 Meta 开发的 UI 库...逻辑跑通了。接下来把它包成 React 组件。步骤二集成到 React智能组件把 Agent 逻辑包成一个 React 组件和普通组件没区别// components/SmartChat.tsx import { useState, useRef } from react; import { createAgent } from ../agent; import { HumanMessage } from langchain/core/messages; export function SmartChat() { const [input, setInput] useState(); const [messages, setMessages] useState{ role: string; content: string }[]([]); const [isLoading, setIsLoading] useState(false); const agentRef useRef(null); // 初始化 Agent像初始化其他资源一样 if (!agentRef.current) { createAgent().then(agent { agentRef.current agent; }); } const handleSubmit async () { if (!input.trim() || !agentRef.current) return; setIsLoading(true); const userMessage { role: user, content: input }; setMessages(prev [...prev, userMessage]); setInput(); try { const result await agentRef.current.invoke({ messages: [new HumanMessage(input)], }); const lastMessage result.messages[result.messages.length - 1]; setMessages(prev [ ...prev, { role: assistant, content: lastMessage.content as string }, ]); } catch (error) { console.error(Agent 调用失败:, error); } finally { setIsLoading(false); } }; return ( div style{{ maxWidth: 600, margin: 0 auto }} div style{{ height: 400, overflowY: auto, border: 1px solid #ccc, padding: 16 }} {messages.map((msg, i) ( div key{i} style{{ marginBottom: 12 }} strong{msg.role user ? 你 : Agent}/strong div{msg.content}/div /div ))} {isLoading div思考中.../div} /div div style{{ marginTop: 16, display: flex, gap: 8 }} input value{input} onChange{e setInput(e.target.value)} onKeyPress{e e.key Enter handleSubmit()} style{{ flex: 1, padding: 8 }} placeholder问点什么... / button onClick{handleSubmit} disabled{isLoading} 发送 /button /div /div ); }这个组件可以直接放到任何 React 项目里像使用其他组件一样。步骤三部署到 Vercel一键上线前端开发者最熟悉的流程——push 代码Vercel 自动部署。// package.json { name: ai-agent-frontend, version: 1.0.0, scripts: { dev: next dev, build: next build, start: next start }, dependencies: { next: ^14.0.0, react: ^18.2.0, langchain: ^0.2.0, langchain/openai: ^0.2.0 } }环境变量配置Vercel 控制台OPENAI_API_KEYsk-xxxx NEXT_PUBLIC_API_URLhttps://your-api.com部署git init git add . git commit -m Initial commit: AI Agent 智能客服 git remote add origin https://github.com/yourname/ai-agent-frontend.git git push -u origin main # 然后去 Vercel 控制台导入这个仓库自动部署三分钟后你的 AI Agent 就上线了。生产环境的调整Demo 和产品的差距维度Demo产品前端开发者怎么搞API Key 安全前端硬编码后端代理 / 环境变量Vercel Environment Variables模型调用直连 OpenAI加重试 限流用 Vercel Edge Functions 做代理对话历史内存存着数据库持久化用 Supabase / Firebase监控console.log分布式 TraceLangSmith Vercel Analytics成本不管每轮对话计费用 streaming 减少 token 消耗一个完整的实战项目智能技术文档助手把上面所有东西串起来做一个能用的东西——智能技术文档助手。功能用户问前端技术问题Agent 先查知识库本地 Markdown 文档查不到再调搜索工具结果展示在 React 组件里// 知识库准备本地 Markdown const docs [ { title: React 组件化, content: React 的核心是组件化..., }, { title: Vue 响应式原理, content: Vue 通过 Object.defineProperty 实现响应式..., }, ]; // 把文档变成 Tool不用向量库简单搜索 const knowledgeTool tool( async ({ query }) { const results docs.filter(doc doc.content.includes(query) || doc.title.includes(query) ); return results.map(r [${r.title}] ${r.content}).join(/n); }, { name: search_docs, description: 搜索本地技术文档, schema: z.object({ query: z.string().describe(搜索关键词), }), } );部署到 Vercel 后访问https://your-app.vercel.app就能用了。三天速通总结前端开发者的 AI Agent 学习路径Day 1LangChain.js 是什么、为什么前端开发者应该用、组件化思维迁移Day 2页面交互 vs Agent 交互、Tool 定义、Chain vs Agent 选型Day 3本地原型 → React 组件 → Vercel 部署完整产品流程如果大家是前端开发者想做 AI Agent不用学 Python不用换语言现有的 TypeScript 技能直接迁移。一个npm install langchain就能开始。最后如果说程序员已经是高薪职业那么干AI的程序员就是高薪中的高薪。现在的市场已经用数据给程序员指明了方向学AI大模型就是冲刺高薪的最优解看着身边越来越多的同行转型大模型、拿到高薪offer很多人心里都动了心但真正的难题来了零基础小白不知道从哪入门有基础的程序员找不到系统学习路径实战项目练手无门面试不知道考什么别慌今天就给大家整理了一份【2026年最新版】AI大模型免费学习资源包覆盖从入门到实战、从理论到面试、从基础到进阶的全流程所有资料均已整理归档无冗余、无套路免费分享给每一位想抓住AI风口的程序员和小白扫码免费领取全部内容1、大模型系统化学习路线2、大模型学习书籍文档3、AI大模型最新行业报告4、大模型项目实战配套源码5、大模型大厂面试真题四阶段精细化学习规划附时间节点可直接照做结合上述资源给大家整理了一份可直接落地的四阶段学习规划总时长约2个月小白可循序渐进程序员可根据自身基础调整节奏高效掌握大模型核心能力快速实现从“入门”到“能落地、能面试”的跨越。第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容6、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
