LangChain.js 核心解析langchain/core 抽象体系、Runnable 管道与生态包集成实践【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs本篇技术指南以langchain/core的官方说明文档为主体系统讲解 LangChain.js 生态的底层抽象包它包含语言模型、聊天模型、向量库、检索器与 Runnable 等基础类和 schema是整个生态各提供商包如langchain/openai、langchain/anthropic赖以扩展的地基。读完本文你将掌握langchain/core的安装与版本一致性约束、基于pipe组合 Prompt/Model/OutputParser 的流式调用方式以及开发自定义 LangChain 生态包时 peer dependency 双模块构建的工程规范并能对照仓库源码理解这些抽象的真实实现位置。一、langchain/core 是什么生态的基础抽象层根据 README 的定义langchain/core包含 LangChain.js 的核心抽象core abstractions和 schema包括语言模型language models、聊天模型chat models、向量库vectorstores、检索器retrievers以及可执行单元runnables等基础类。原文档给出的定位非常明确These abstractions are designed to be as modular and simple as possible.也就是说这些抽象刻意保持模块化与简单覆盖文档加载器document loaders、嵌入模型embedding models等场景。其设计收益在于任何提供商provider只要实现 core 定义的接口就能无缝接入 LangChain 生态的其余部分——这正是 LangChain.js 多提供商生态能够百花齐放的前提。1.1 从源码结构看抽象的实际分布结合仓库源码可以印证 README 中提到的各类抽象它们都有独立的模块落点全部位于 libs/langchain-core/src 下Runnables 管道系统libs/langchain-core/src/runnables/base.ts 中定义了RunnableSequence、RunnableParallel、RunnableMap、RunnableLambda、RunnableWithFallbacks、RunnableRetry等组合类pipe链式调用正是建立在这套 Runnable 接口之上向量库与检索libs/langchain-core/src/vectorstores.ts 定义了VectorStoreInterface与VectorStoreRetriever并内置了相似度搜索与 MMR最大边缘相关性Maximal Marginal Relevance两种searchType其中 MMR 通过lambda0 强调多样性、1 强调相关性和fetchK参数控制召回行为消息、提示词、输出解析src/messages、src/prompts、src/output_parsers分别对应聊天消息 schema、Prompt 模板与输出解析器语言模型基类src/language_models下的base.ts、chat_models.ts、llms.ts、structured_output.ts提供了各提供商模型实现所继承的基类与结构化输出能力。这些模块并非内部私有而是通过 libs/langchain-core/package.json 的exports字段逐一暴露为子路径入口如./runnables、./prompts、./output_parsers、./vectorstores、./messages、./retrievers、./tools、./testing等每个入口同时给出importESMdist/index.js与requireCJSdist/index.cjs两套类型声明和实现。这意味着消费者既可以整体import包根也可以按需从子路径导入兼顾 tree-shaking 与 CommonJS 兼容。构建入口清单见 libs/langchain-core/tsdown.config.ts构建产物同时覆盖 ESM 与 CJS正是原文档建议生态包cross-compatible with ESM and CJS做法的官方示范。此外从 package.json 可确认该包的运行与依赖前提要求 Node.js20engines.node核心运行时依赖为zod^3.25.76 || ^4即同时兼容 Zod 3 与 4、js-tiktokentoken 计数、mustache模板渲染、p-queue并发控制与langsmith追踪上报等均为轻量依赖符合简单、模块化的定位。二、快速安装与流式 Chain 调用实战2.1 安装原文档给出的安装命令为pnpm install langchain/core如果要跑通下文示例还需要安装一个提供商包例如pnpm install langchain/openai2.2 官方示例Prompt → Model → OutputParser 流式管道README 的完整示例如下原文档原样保留它演示了把聊天提示词模板、OpenAI 聊天模型和字符串输出解析器用pipe串成一条流式链路import { StringOutputParser } from langchain/core/output_parsers; import { ChatPromptTemplate } from langchain/core/prompts; import { ChatOpenAI } from langchain/openai; const prompt ChatPromptTemplate.fromTemplate( Answer the following question to the best of your ability:\n{question} ); const model new ChatOpenAI({ model: gpt-4o-mini, temperature: 0.8, }); const outputParser new StringOutputParser(); const chain prompt.pipe(model).pipe(outputParser); const stream await chain.stream({ question: Why is the sky blue?, }); for await (const chunk of stream) { console.log(chunk); } /* The sky appears blue because of a phenomenon known as Ray leigh scattering */示例中的三个构件全部来自 core 抽象层逐一拆解ChatPromptTemplate.fromTemplatelibs/langchain-core/src/prompts用{question}占位符声明模板变量。调用chain.stream({ question: ... })时传入的字段名必须与占位符一一对应否则格式化会失败ChatOpenAI来自 libs/providers/langchain-openaimodel指定具体模型名示例为gpt-4o-minitemperature02 的采样温度等参数透传给提供商 API。该包正是实现 core 接口、被生态复用的典型——它是langchain/core的 peer dependency见 libs/providers/langchain-openai/package.jsonStringOutputParserlibs/langchain-core/src/output_parsers/string.ts继承自BaseTransformOutputParserstring作用是把模型流式产出的AIMessageChunk逐块转换成纯文本字符串再下发。2.3 pipe 与 stream 的底层机制从源码结构看prompt.pipe(model).pipe(outputParser)每次调用pipe都会用RunnableSequence把当前节点与下游节点封装成新的 Runnable 序列见 libs/langchain-core/src/runnables/base.ts因此chain本身仍是一个 Runnable可以继续.pipe、.invoke、.stream。chain.stream返回一个异步迭代器内部把模型响应流映射到输出解析器最终表现为按 token 片段逐次 yield 字符串——所以示例的注释输出呈现逐词滚动的效果。这也解释了为什么示例中用for await...of消费而不是await一个 Promise。这条链路对应的单元测试位于 libs/langchain-core/src/runnables/runnable.test.ts 与同目录的runnable_stream_events.test.ts等文件中验证了invoke/stream的语义与事件流行为可作为接口行为的权威参照。2.4 版本一致性约束关键注意事项原文档特别强调了一条兼容性规则Note that for compatibility, all used LangChain packages (including the base LangChain package, which itself depends on core!) must share the same version oflangchain/core. This means that you may need to install/resolve a specific version oflangchain/corethat matches the dependencies of your used packages.这条约束的工程原因是core 中的类型是跨包共享的运行时契约比如消息实例、Runnable 配置、可序列化对象在多个包之间传递。如果依赖树里出现两份不同版本的langchain/coreinstanceof判断、单例singletons与回调管理器callback manager都会失效表现为看起来导入了同一个类实际行为割裂的难排查问题。应对方式安装多个生态包后用包管理器检查 core 是否只解析出一份pnpm why langchain/core若出现多个版本显式pnpm install langchain/core匹配版本或配置pnpm.overrides/resolutions统一版本。仓库自身的 monorepo 也是这么做的各生态包声明langchain/core: workspace:^作为 peer 与 dev 依赖见 libs/providers/langchain-anthropic/package.json在开发期强制共享同一 workspace 版本。三、开发自己的生态包peer dependency 与双模块构建README 的 Creating your own package 章节给出了发布自定义 LangChain 包的完整规范官方以本仓库的langchain/anthropic包为例。核心要求有三条不要把langchain/core写进dependencies而应同时作为peer dependency 和 dev dependency避免每个包各带一份 core呼应 2.4 的版本一致性要求建议使用tilde~依赖范围如~0.3.0允许不同但向后兼容的 patch 版本共存构建产物需ESM/CJS 双兼容发布前执行pnpm build。原文档给出的package.json模板保留原文版本号作为模式参考{ name: langchain/anthropic, version: 0.0.3, description: Anthropic integrations for LangChain.js, type: module, author: LangChain, license: MIT, dependencies: { anthropic-ai/sdk: ^0.10.0 }, peerDependencies: { langchain/core: ~0.3.0 }, devDependencies: { langchain/core: ~0.3.0 } }对照仓库内的真实实现libs/providers/langchain-anthropic/package.json 完整体现了这一模式dependencies中只有提供商 SDKanthropic-ai/sdk与zodlangchain/core同时出现在peerDependencies与devDependenciesengines.node声明20与 core 自身要求一致构建脚本为tsdownbuild:compile: tsdown通过 turbo 调度。当前 monorepo 内 20 余个提供商/集成包openai、anthropic、google 系列、aws、redis、pinecone、qdrant 等的package.json全部声明了 core 的peerDependencies可以视为该规范被系统性贯彻的实现证据。此外core 为第三方包提供了额外的开发支撑./testing子路径libs/langchain-core/src/testing提供FakeChatModel等假模型与断言工具方便生态包在无 API key 时编写单测./load/serializableSerializable基类支持生态包组件的序列化/反序列化Hub 加载机制的基础internal/standard-testsinternal/standard-tests仓库内为聊天模型提供商提供标准化单元/集成测试套件提供商包通过test:standard脚本接入见 libs/providers/langchain-anthropic/package.json 的test:standard脚本保证实现了 core 接口这件事有可执行的验收标准。四、贡献指引与包管理要点README 的 Contributing 章节说明由于langchain/core是底层包、抽象演进缓慢大部分贡献应面向上层的 LangChain 包进行bug 修复与功能建议遵循主包langchain的贡献指南见仓库根目录 CONTRIBUTING.md。安全类问题按 LangChain 官方的安全准则流程上报不宜在公开 issue 中披露细节。工程上再补充两个与仓库现状相符的要点构建与测试入口core 包的package.json脚本提供pnpm build经 turbo 调度的tsdown编译、pnpm testvitest 单测与pnpm test:int集成测试--mode int本地开发可先构建 core 再联调上层包多提供商一致性从src/language_models到src/utils/standard_schemacore 通过标准 schema 工具同时兼容 Zod 3/4 等主流校验库生态包在实现结构化输出时可以复用同一套解析逻辑减少重复实现。五、小结langchain/core以最小可用抽象换来了生态的可插拔性上游业务用prompt.pipe(model).pipe(outputParser)这样的 Runnable 管道组合能力对应 libs/langchain-core/src/runnables/base.ts下游提供商只需继承 core 的基类、把 core 声明为 peer dependency 并产出 ESM/CJS 双格式构建物参照 libs/providers/langchain-anthropic即可加入生态。两条必须牢记的纪律是所有依赖 core 的包共享同一份 core 版本以及上层功能变更优先在langchain等高级包中进行把 core 的抽象面保持稳定。关键参考路径汇总内容路径本文主体文档libs/langchain-core/README.md包定义与子路径导出libs/langchain-core/package.jsonRunnable 管道实现libs/langchain-core/src/runnables/base.ts向量库与检索器接口libs/langchain-core/src/vectorstores.ts字符串输出解析器libs/langchain-core/src/output_parsers/string.ts生态包 peer dependency 范例libs/providers/langchain-anthropic/package.json构建配置ESM/CJS 双产物libs/langchain-core/tsdown.config.ts【免费下载链接】langchainjsThe agent engineering platform项目地址: https://gitcode.com/GitHub_Trending/la/langchainjs创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考