LangChain – Xây dựng AI Agent đơn giản với NodeJS

import { ChatOpenAI } from '@langchain/openai';
import { ChatPromptTemplate } from '@langchain/core/prompts';
import { StringOutputParser } from '@langchain/core/output_parsers';

// Model
const model = new ChatOpenAI({
  model: 'gpt-4o-mini',
  temperature: 0.7,
  apiKey: process.env.OPENAI_API_KEY,
});

// Prompt template
const prompt = ChatPromptTemplate.fromMessages([
  ['system', 'Bạn là trợ lý AI chuyên về {domain}. Trả lời bằng tiếng Việt.'],
  ['human', '{question}'],
]);

// Chain: prompt → model → parser
const chain = prompt.pipe(model).pipe(new StringOutputParser());

// Chạy
const answer = await chain.invoke({
  domain: 'lập trình',
  question: 'NestJS và Express khác nhau thế nào?',
});
console.log(answer);

import { ChatOpenAI } from '@langchain/openai';
import { ConversationChain } from 'langchain/chains';
import { BufferMemory } from 'langchain/memory';
import { ChatPromptTemplate, MessagesPlaceholder } from '@langchain/core/prompts';

const memory = new BufferMemory({
  returnMessages: true,
  memoryKey: 'history',
});

const prompt = ChatPromptTemplate.fromMessages([
  ['system', 'Bạn là trợ lý AI thân thiện. Trả lời bằng tiếng Việt.'],
  new MessagesPlaceholder('history'),
  ['human', '{input}'],
]);

const chain = new ConversationChain({
  llm: new ChatOpenAI({ model: 'gpt-4o-mini' }),
  memory,
  prompt,
});

// Lần 1
const res1 = await chain.invoke({ input: 'Tên tôi là An' });
// Lần 2 — model nhớ tên An
const res2 = await chain.invoke({ input: 'Tên tôi là gì?' });
console.log(res2.response); // "Tên bạn là An"

import { tool } from '@langchain/core/tools';
import { z } from 'zod';

// Tool tìm kiếm đơn hàng
const lookupOrderTool = tool(
  async ({ orderId }: { orderId: string }) => {
    // Query database thực tế
    const order = await db.orders.findById(orderId);
    if (!order) return `Không tìm thấy đơn hàng ${orderId}`;
    return JSON.stringify({
      id: order.id,
      status: order.status,
      total: order.total,
      estimatedDelivery: order.estimatedDelivery,
    });
  },
  {
    name: 'lookup_order',
    description: 'Tra cứu thông tin đơn hàng theo mã đơn hàng',
    schema: z.object({
      orderId: z.string().describe('Mã đơn hàng cần tra cứu'),
    }),
  },
);

// Tool tính toán
const calculatorTool = tool(
  async ({ expression }: { expression: string }) => {
    // Dùng thư viện an toàn thay vì eval
    const result = evaluate(expression);
    return String(result);
  },
  {
    name: 'calculator',
    description: 'Tính toán biểu thức toán học',
    schema: z.object({
      expression: z.string().describe('Biểu thức toán học, ví dụ: 150000 * 0.1'),
    }),
  },
);

// Tool lấy thời gian hiện tại
const getCurrentTimeTool = tool(
  async () => new Date().toLocaleString('vi-VN'),
  {
    name: 'get_current_time',
    description: 'Lấy thời gian hiện tại',
    schema: z.object({}),
  },
);

import { createToolCallingAgent, AgentExecutor } from 'langchain/agents';
import { ChatOpenAI } from '@langchain/openai';
import { ChatPromptTemplate, MessagesPlaceholder } from '@langchain/core/prompts';

const tools = [lookupOrderTool, calculatorTool, getCurrentTimeTool];

const model = new ChatOpenAI({
  model: 'gpt-4o',
  temperature: 0,
}).bindTools(tools);

const prompt = ChatPromptTemplate.fromMessages([
  ['system', `Bạn là trợ lý CSKH của shop online.
Hãy dùng các công cụ có sẵn để trả lời câu hỏi của khách hàng.
Luôn trả lời bằng tiếng Việt, thân thiện và chính xác.`],
  new MessagesPlaceholder('chat_history'),
  ['human', '{input}'],
  new MessagesPlaceholder('agent_scratchpad'),
]);

const agent = createToolCallingAgent({ llm: model, tools, prompt });

const executor = new AgentExecutor({
  agent,
  tools,
  verbose: true, // Log từng bước để debug
  maxIterations: 5,
});

// Chạy agent
const result = await executor.invoke({
  input: 'Đơn hàng ORD-12345 của tôi đang ở đâu rồi?',
  chat_history: [],
});

console.log(result.output);
// "Đơn hàng ORD-12345 hiện đang ở trạng thái 'Đang giao hàng',
//  dự kiến giao vào ngày 25/12/2025. Tổng giá trị đơn hàng là 500.000đ."

import { ChatOpenAI } from '@langchain/openai';
import { OpenAIEmbeddings } from '@langchain/openai';
import { QdrantVectorStore } from '@langchain/community/vectorstores/qdrant';
import { createRetrievalChain } from 'langchain/chains/retrieval';
import { createStuffDocumentsChain } from 'langchain/chains/combine_documents';

const embeddings = new OpenAIEmbeddings({ model: 'text-embedding-3-small' });

const vectorStore = await QdrantVectorStore.fromExistingCollection(embeddings, {
  url: process.env.QDRANT_URL,
  collectionName: 'knowledge_base',
});

const retriever = vectorStore.asRetriever({ k: 5 });

const model = new ChatOpenAI({ model: 'gpt-4o-mini' });

const questionAnswerChain = await createStuffDocumentsChain({
  llm: model,
  prompt: ChatPromptTemplate.fromMessages([
    ['system', `Trả lời dựa trên ngữ cảnh sau:
{context}
Nếu không có thông tin, hãy nói không biết.`],
    ['human', '{input}'],
  ]),
});

const ragChain = await createRetrievalChain({
  retriever,
  combineDocsChain: questionAnswerChain,
});

const response = await ragChain.invoke({
  input: 'Chính sách hoàn tiền như thế nào?',
});

console.log(response.answer);

const stream = await chain.stream({
  input: 'Giải thích Docker là gì?',
  chat_history: [],
});

process.stdout.write('AI: ');
for await (const chunk of stream) {
  if (chunk.output) process.stdout.write(chunk.output);
}