《Node.js 生成式 AI 應用開發實戰：實作 OpenAI API × LangChain × LangGraph × RAG，打造從雲端到本地 LLM 的混合式安全架構》範例程式碼

• 購書實體書： 天瓏網路書店 | 博客來網路書店 | 誠品書店 | 蝦皮購物 | momo購物網

書籍簡介

專業推薦

「如果你拿到這本書，記得不要只是照做，多去思考作者的選擇邏輯。要知道半年、一年後，技術可能就變了，書裡的具體做法可能就過時了。但如果你學到的是一位資深工程師怎麼看待新技術、怎麼做選擇，那這個能力不會過期。」

─ 張天豪，永豐金控科技長

「這不是一本「介紹AI有多厲害」的書。它在做的事情，是告訴你怎麼把LLM變成一個可以放進系統裡、可以維運、可以信任的元件。這是一條從一開始「能跑」走到最後「能上線」的完整路徑，而不只是把技術點攤開來的知識拼盤。」

─ 周立夫，永豐金控數位科技處副處長

本書特色

Node.js 開發者駕馭 LLM 的生成式 AI 應用實戰指南
OpenAI API × LangChain × LangGraph × RAG
從零開始打造專屬你的生成式 AI 應用！

• OpenAI API入門：LLM知識深入淺出，提示工程輕鬆上手
• LangChain 實戰：模組化元件開箱即用，打造可組合的AI應用
• RAG 與 AI Agent：向量資料庫整合實作，建構企業級智慧系統
• 本地 LLM 與資安：雲端與本地混合架構，AI應用安全防護實戰

內容簡介

本書內容改編自第 17 屆 iThome 鐵人賽生成式 AI 組優選系列文章《用 Node.js 打造生成式 AI 應用：從 Prompt 到 Agent 開發實戰》。以 Node.js 打造生成式 AI 應用為主軸，透過完整的實戰範例，協助開發者快速熟悉 AI 工具鏈。本書分為五大篇章，循序漸進地帶領讀者掌握生成式 AI 應用開發的關鍵要素：

• PART 1 OpenAI API 基礎應用：瞭解 LLM 核心概念，掌握 OpenAI API 使用模式、提示工程與函式呼叫。
• PART 2 LangChain 核心應用：掌握 LangChain 提示模板、結構化輸出、LCEL 流程鏈與工具代理整合。
• PART 3 RAG 實戰應用：實作文件載入與分割，整合嵌入模型與向量資料庫建構 RAG 問答系統。
• PART 4 LangGraph AI Agent 實作：建構具備多代理協作、人機互動、記憶管理與 MCP 整合能力的 AI Agent。
• PART 5 本地 LLM 部署與安全設計：整合 Ollama 與 LiteLLM 建構雲地混合模型架構，並涵蓋資安防護策略。

目標讀者

• 想從 OpenAI API 起步進入 AI 應用開發的入門者。
• 想使用 JS 生態圈工具打造生成式 AI 應用的 Node.js 開發者。
• 想運用自有知識庫打造RAG應用的企業內部技術團隊。
• 想掌握生成式 AI 系統設計原則、部署模式與安全風險評估的技術主管與架構師。
• 想理解 LangChain、LangGraph、Ollama 等框架的獨立開發者與技術創作者。

目錄（章節範例程式）

PART 01 OpenAI API 基礎應用

• Chapter 01 理解大型語言模型的核心概念
• Chapter 02 掌握 OpenAI API 的使用模式
• Chapter 03 使用 OpenAI API 建立第一個應用
• Chapter 04 運用提示工程打造可控的角色與回應
• Chapter 05 調控取樣參數 Temperature 與 Top-P
• Chapter 06 使用 Function Calling 讓模型呼叫工具

Part 02 LangChain 核心應用

• Chapter 07 理解 LangChain 的核心概念與生態系
• Chapter 08 使用 LangChain 建立LLM應用程式
• Chapter 09 設計 LangChain 提示模板
• Chapter 10 解析 LangChain 結構化輸出
• Chapter 11 使用 LCEL 組合流程鏈
• Chapter 12 整合 LangChain 工具與代理
• Chapter 13 實作 LangChain 應用案例：AI 部落格寫手
• Chapter 14 追蹤與觀測 LangChain 執行流程

Part 03 RAG 實戰應用

• Chapter 15 理解檢索增強生成
• Chapter 16 載入與分割文件
• Chapter 17 使用嵌入模型與向量資料庫
• Chapter 18 結合檢索與生成
• Chapter 19 實作 RAG 應用案例：文件問答助理

Part 04 LangGraph AI Agent 實作

• Chapter 20 理解 LangGraph 的流程架構
• Chapter 21 使用 LangGraph 建立 Agent 流程
• Chapter 22 打造多代理協作系統
• Chapter 23 設計人機協作流程
• Chapter 24 管理 AI Agent 記憶
• Chapter 25 透過 MCP 連接第三方工具與資源
• Chapter 26 實作 LangGraph 應用案例：可審核與修訂的 AI 寫作 Agent
• Chapter 27 探索深度代理架構

Part 05 本地 LLM 部署與安全設計

• Chapter 28 理解本地 LLM 的部署方案
• Chapter 29 使用 Ollama 管理本地模型
• Chapter 30 實作本地 LLM 應用案例：RAG 文件問答助理
• Chapter 31 使用 LiteLLM 建構多模型代理服務
• Chapter 32 強化生成式 AI 應用的資安防護

Part 06 附錄

• Appendix A 安裝與設定開發環境

作者簡介

王雋凱

現任永豐金控數位科技處研發工程師，專注使用 JavaScript 生態系打造可落地的應用，長期關注生成式 AI、軟體工程與金融科技發展。具備 Web 前後端整合經驗，致力於將 AI 技術導入實務並轉化為可維運的系統設計。著有《Node.js 量化投資全攻略：從資料收集到自動化交易系統建構實戰》。

得獎紀錄

• 2025 年 iThome（第17屆iThome鐵人賽）生成式 AI 組優選
• 2022 年 iThome〈第14屆iThome鐵人賽〉Software Development 組冠軍
• 2014 年經濟部技術處〈搶鮮大賽〉系統實作類佳作
• 2011 年經濟部工業局〈第16屆資訊服務創新競賽〉IAP2 資訊技術應用組第二名
• 2011 年經濟部工業局〈第16屆資訊服務創新競賽〉IAP2 智慧手持裝置應用主題獎
• 2011 年經濟部工業局〈App Star高手爭霸戰市集應用軟體設計大賽〉入圍