React前端开发者的AI Agent速成：从组件思维到智能交互，手把手教你写AI组件！-尧图网络科技

React组件 vs AI组件：思维是通的

先看一下，平时写的React组件是什么样的？

// React组件：接收输入，处理状态，返回UIfunction SearchComponent(props) {const [query, setQuery] = useState("");const [results, setResults] = useState([]);async function handleSearch() { const res = await fetch(`/api/search?q=${query}`); setResults(await res.json()); }return ( <div> <input onChange={e => setQuery(e.target.value)} /> <button onClick={handleSearch}>搜索</button> <ul>{results.map(r => <li>{r.title}</li>)}</ul> </div> );}

再看一个AI Agent组件：

// AI组件：接收提示，处理上下文，返回响应import { ChatOpenAI } from "@langchain/openai";import { HumanMessage } from "@langchain/core/messages";async function createAIAgent() {const model = new ChatOpenAI({ model: "gpt-4o-mini", openAIApiKey: process.env.OPENAI_API_KEY, });const response = await model.invoke([ new HumanMessage("解释一下React的useEffect") ]);return response.content;}

看出来了吗？结构一模一样：

React组件	AI组件	对应关系
props	prompt	输入
state	memory	状态/记忆
setState	工具调用	改变状态的方式
UI渲染	文本生成	输出

理解了这个映射，LangChain.js用起来就和写React组件一样自然。

第一个AI组件：让模型说句话

先跑通最简单的调用，建立直觉：

mkdir ai-component-demo && cd ai-component-demonpm init -ynpm install langchain @langchain/openai typescript tsx @types/node

创建tsconfig.json：

{ "compilerOptions": { "target": "ES2020", "module": "commonjs", "lib": ["ES2020"], "outDir": "./dist", "rootDir": "./src", "strict": true, "esModuleInterop": true, "skipLibCheck": true, "forceConsistentCasingInFileNames": true, "resolveJsonModule": true},"include": ["src/**/*"],"exclude": ["node_modules"]}

写第一个AI组件（src/ai-component.ts）：

import { ChatOpenAI } from "@langchain/openai";import { HumanMessage, SystemMessage } from "@langchain/core/messages";// 像创建React组件一样创建AI组件export async function AIAgentComponent(props: { systemPrompt: string; userMessage: string;}) {// 1. 初始化"渲染器"（ChatModel）const model = new ChatOpenAI({ model: "gpt-4o-mini", openAIApiKey: process.env.OPENAI_API_KEY, temperature: 0.7, // 控制"创造力"，像CSS控制样式 });// 2. 构造"虚拟DOM"（Messages）const messages = [ new SystemMessage(props.systemPrompt), new HumanMessage(props.userMessage), ];// 3. "渲染"得到输出const response = await model.invoke(messages);// 4. 返回"UI"（文本内容）return response.content;}// 使用（像渲染React组件一样）async function main() {const result = await AIAgentComponent({ systemPrompt: "你是一个前端技术专家，回答简洁明了。", userMessage: "用一句话解释React的useEffect", });console.log(result);}main();

运行：

OPENAI_API_KEY=sk-xxxx npx tsx src/ai-component.ts# 输出：useEffect 让你在组件渲染完成后执行副作用，比如获取数据、订阅事件。

流程如下（和React组件渲染流程对比）：

React组件渲染 vs AI组件渲染

加个"状态"：让组件记住上下文

React组件用useState记状态，AI组件用ChatMessageHistory记对话历史：

import { ChatOpenAI } from "@langchain/openai";import { HumanMessage, SystemMessage, AIMessage } from "@langchain/core/messages";// "状态管理"：记住对话历史const conversationHistory: (SystemMessage | HumanMessage | AIMessage)[] = [new SystemMessage("你是一个前端技术专家。"),];export async function AIAgentWithMemory(userInput: string) {const model = new ChatOpenAI({ model: "gpt-4o-mini", openAIApiKey: process.env.OPENAI_API_KEY, });// 把用户输入加到历史里（像setState一样） conversationHistory.push(new HumanMessage(userInput));// "渲染"（模型推理）const response = await model.invoke(conversationHistory);// 把AI回答也加到历史里（更新状态） conversationHistory.push(response);return response.content;}// 测试多轮对话async function main() {console.log(await AIAgentWithMemory("React是什么？"));console.log(await AIAgentWithMemory("它和Vue有什么区别？")); // 第二问能理解"它"指的是React}

关键点：AI组件的"状态"就是对话历史。每次调用都把完整历史传给模型，模型才能理解上下文。

流式输出：像React的Suspense一样

实际产品里，用户不想等5秒看完整答案。流式输出——一个字一个字往外蹦——体验好得多。

这就像React的Suspense + 流式SSR，用户能越早看到内容越好。

import { ChatOpenAI } from "@langchain/openai";import { HumanMessage } from "@langchain/core/messages";const model = new ChatOpenAI({model: "gpt-4o-mini",openAIApiKey: process.env.OPENAI_API_KEY,streaming: true, // 启用流式});// 流式"渲染"const stream = await model.stream([new HumanMessage("详细解释React的useEffect"),]);// 像读取ReadableStream一样for await (const chunk of stream) { process.stdout.write(chunk.content); // 逐字打印}

非流式 vs 流式

集成到React组件（这才是前端该干的）

上面的代码是纯TypeScript，实际项目中要集成到React组件里：

// components/AIChat.tsximport { useState } from "react";import { ChatOpenAI } from "@langchain/openai";import { HumanMessage } from "@langchain/core/messages";export function AIChat() {const [input, setInput] = useState("");const [response, setResponse] = useState("");const [isLoading, setIsLoading] = useState(false);const [error, setError] = useState<string | null>(null);const abortControllerRef = useRef<AbortController | null>(null);const handleSubmit = async () => { setIsLoading(true); setResponse(""); setError(null); try { const model = new ChatOpenAI({ model: "gpt-4o-mini", openAIApiKey: process.env.NEXT_PUBLIC_OPENAI_API_KEY, streaming: true, }); const stream = await model.stream([new HumanMessage(input)]); for await (const chunk of stream) { setResponse(prev => prev + chunk.content); } } catch (err) { setError(err instanceof Error ? err.message : "出错了"); } finally { setIsLoading(false); } };// 取消请求const handleCancel = () => { abortControllerRef.current?.abort(); setIsLoading(false); };return ( <div> <input value={input} onChange={e => setInput(e.target.value)} /> <button onClick={handleSubmit} disabled={isLoading}> {isLoading ? "思考中..." : "发送"} </button> {isLoading && <button onClick={handleCancel}>取消</button>} {error && <div className="error">{error}</div>} <div>{response}</div> </div> );}

这才是前端开发者熟悉的节奏：组件 + 状态 + 错误处理 + 取消请求，和写普通React组件没区别。

第一天小结

今天讲了一件事：React组件和AI组件，思维是通的。

概念	React组件	AI组件
输入	props	prompt
状态	useState	message history
输出	UI	文本/工具调用
更新方式	setState	追加message
流式渲染	Suspense + SSR	model.stream()
错误处理	try/catch	try/catch
取消操作	AbortController	AbortController

明天聊：怎么让AI组件"动手"？定义Tool（工具），让Agent能查天气、搜文档、调API。这就像给React组件加onClick处理函数，只是现在调用者是AI模型。

传统产品经理，正在成为下个被淘汰的“传统岗位”。

过去画原型、写 PRD、跟进度的“传统技能包”，在AI时代正迅速贬值。63% 的企业转型做 AI 产品！当下的问题不再是“要不要学 AI ”，而是“如何构建 AI 产品”。

前段时间还跟字节、腾讯的资深 AI 产品经理沟通，他们反馈：在大量招人，只要有 AI 相关的项目经验，基本都能拿到面试机会，而且领导很舍得给钱，涨薪 40-60% 很正常！

接下来的产品人，得卷AI能力了！

如今AI大火，行业极速发展的背后，懂AI 产品人才却严重稀缺。这不是要你转技术岗，而是要掌握构建 AI 产品的核心方法：

如何将你的领域知识，转化为 AI 产品的核心竞争力？
如何用 AI 技术实现你的产品需求？
如何设计真正懂用户的 AI 交互体验？
……

懂AI，就是产品经理的“救命稻草”！

风口之下，与其焦虑被行业淘汰

不如先人一步享受AI技术带来的红利！

我把AI产品经理的学习全流程已经整理📚好了！抓住AI时代风口，轻松解锁职业新可能，希望大家都能把握机遇，实现薪资/职业跃迁～

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`】

（不限年龄！不限岗位！没有代码基础也能学！）

🎁现在扫码，完课还送：

《AI产品面试题库》《AI大模型应用案例集》

掌握技术+实战，快速转型！

想成为一名卓越的AI大模型产品经理，需要从技术、到项目实战的全方位转型指南！

**1）**AI产品应用原理解析，产品经理也能听懂！

对于产品经理来说，如果你不懂技术，做不了业务和AI大模型技术衔接、定义不了数据需求，是没法完整的落地一个产品的！

本次课程，专门面向产品经理人群，解析当下最热门的AI产品应用的必备的「大模型」、「多模态」的实际应用和算法原理！解析AI产品应用技术，积累大模型能力！简单易懂，不需要会代码，小白也能掌握！

大模型微调：掌握主流大模型（如DeepSeek、Qwen等）的微调技术，针对特定场景优化模型性能。学习如何利用领域数据（如制造、医药、金融等）进行模型定制
AI Agent智能体搭建：学习如何设计和开发AI Agent，实现多任务协同、自主决策和复杂问题解决。构建垂类场景下的智能助手产品（如制造业中的设备故障诊断Agent、金融领域的投资分析Agent等）

2）超全行业案例解析！

课程详细讲解现阶段，大模型在各个行业和领域的应用现状！包括：零售与电商、教育、医疗、泛娱乐、法律等等10大行业！

详细讲解案例的思路、应用场景，以及背后的技术原理、核心技术！揭秘各个行业、场景的真实现状，和未来产品的发展与机遇！

可以说，讲解完一个案例，就能积累一个AI产品实践的经验！

课程中所涉及到的实战项目，都可以直接在自己的工作中使用，让自己的产品/项目有可借鉴的成功案例！

3）AI产品经理求职专项辅导

课程中会系统的帮助大家拆解字节、腾讯、百度等大厂AI PM岗位JD关键词，掌握AI PM高频面试题型与回答框架；展示 AI 相关能力的关键技巧：Prompt设计、模型评估、A/B测试、成本意识、与算法/工程协作经验；

To B类AI产品经理：突出“行业理解 + 技术落地 + 商业闭环”能力的简历结构设计，展示项目成果；从客户需求洞察到技术方案设计，展现端到产品思维；如何评估To B AI产品的可行性、客户付费意愿与实施成本
To C类AI产品经理：拆解头部公司岗位JD，将过往尽力转化为AI产品叙事逻辑；从行业趋势、产品设计题、案例分析&数据分析题、技术理解边界等全流程辅导面试；避免无效海投、锁定最适合的AI产品岗位；

本次课程，全程直播讲解，能直接对话大佬和专业助教，不懂就问，超详细的案例，小白也能轻松get！

完课后，还赠送《AI产品经理面试题库》、《AI大模型应用案例集》！不断更新中……

适合人群：