大语言模型能输出文本，但本身无法调用命令行或外部工具。要让模型按需求执行实际操作，需要在语言模型基础上加一层 Harness——结合模型的推理能力与工具调用能力，这就是我们常说的 Agent。

做 Agent 开发可以从零调用 LLM API 写起，但这就跟不用任何 Web 框架、从纯 HTML/JS 写 Web 应用一样：能做，只是麻烦。LangChain 就是 Agent 开发领域的”Vue / React”——一个成熟、易用的第三方框架，能让开发效率大幅提升。本系列所有示例均使用 Node.js，适合有编码经验的朋友直接上手。

本集从 LangChain 版 Hello World 入手。代码逻辑很简单：向大语言模型提问”1+2等于几”，把返回结果打印出来。

运行前需在项目根目录放置 .env 文件，配置大语言模型的访问入口和 API Key。当前使用 DeepSeek，提供 OpenAI 风格和 Anthropic 风格两种接入方式——这是目前行业两家主流标准，所以其他模型基本都会兼容这两种格式，方便用户迁移。

LangChain 通过 ChatOpenAI 类封装大语言模型接入，参数包括 base URL、API Key、模型名称和 temperature（控制回答创造性）。封装后可直接调用 invoke() 方法发送问题，返回对象的 content 属性即是大模型的回复。

看完本期，你已了解 LangChain 的基本定位，以及大语言模型在其内部是如何被封装和调用的。下期见。