做一个有温度和有干货的技术分享作者 —— Qborfy

回顾一下LangChain系列学习文章：

• 04篇 AI从零开始 - LangChain学习与实战(1) 基础知识
• 05篇 AI从零开始 - LangChain学习与实战(2) PromptTemplate降低AI幻觉
• 06篇 AI从零开始 - LangChain学习与实战(3) LCEL工作流编排原理与实战
• 07篇 AI从零开始 - LangChain学习与实战(4) LangServer部署
• 08篇 AI从零开始 - LangChain学习与实战(5) 基于RAG开发问答机器人

经过LangChain系列文章的学习后， 现在我们需要通过 LangChain + 大模型 + 低代码平台， 开发具备实际功能的 AI 应用：

低代码平台AI助手：通过用户输入自然语言能实现 低代码平台页面生成、编辑等

1. 前期与实现方案

目标：通过用户输入自然语言能实现，完成低代码平台页面的生成，同时能低代码平台页面组件元素进行属性调整。

实际原理： 利用 AI大模型实现用户输入的自然语言与低代码平台特定 DSL语言（JSON Schema）互相转换

1.1 前期准备

1. 搭建低代码平台服务，可以参考文档： Formily 表单设计器
2. Langchain 和 LangServer环境准备， 参考： 04篇 AI从零开始 - LangChain学习与实战(1) 基础知识

实现思路

1. LangChain开发实现大模型理解低代码平台DSL语言的输入，并能输出是低代码平台DSL语言
2. 通过 LangServer提供大模型 API
   1. 输入当前页面 json schema
   2. 用户输入自然语言，LangServer调用大模型API，返回结果
   3. LangServer将返回结果转换成低代码平台DSL语言
3. 低代码平台新增 AI助手 UI，更改低代码页面JSON内容

2. 实战开发

2.1 LangChain Agent + Server开发

2.2 Formily 插件 AI 助手前端开发

总结

参考资料

• LangChain官方文档
• LangChain中文教程
• LangChain（0.0.340）官方文档十一：Agents之Agent Types
• (哔哩哔哩视频)2025吃透LangChain大模型全套教程（LLM+RAG+OpenAI+Agent）通俗易懂，学完即就业!
• Langchain Agent - Agent类型说明

声明：本文部分材料是基于DeepSeek-R1模型生成。

对 Agent的一些思考， 首先 agent本身的 Prompt很重要， LLM 大模型会依据Prompt+用户输入去判断需要使用哪个工具

然后创建Agent, Langchain也提供不同的类型，如下：

• Tool Calling Agent (create_tool_calling_agent)​ ： 依赖模型原生工具调用能力，自动将工具描述注入模型上下文， 直接返回工具调用参数对象，部分LLM模型支持
• ReAct Agent (create_react_agent)​ ： 遵循 Thought → Action → Observation 循环，每步根据上下文选择工具，结合自然语言与工具调用
• ​​Structured Chat Agent (create_structured_chat_agent)​：必须遵循预定义响应模板，严格匹配工具参数格式，通常一次性完成工具选择

利用 Agent 开发一个完整的低代码平台 AI 助手，整体实现过程如下：

赏

谢谢你请我吃糖果

支付宝

微信