用途：该技能用于构建基于 LangChain 的大语言模型应用，覆盖链（chains）、智能体（agents）、记忆（memory）、工具（tools）与检索增强生成（RAG）管线。
主要能力：提供简单链、顺序链与分支链的写法；记忆方面包含 BufferMemory、BufferWindowMemory、ConversationSummaryMemory 以及基于 Redis 的持久化记忆；工具与智能体方面支持自定义工具、结构化工具（zod schema）、ReAct Agent 与 OpenAI Functions Agent，并可设置迭代上限；RAG 方面覆盖文档加载（PDF/TXT/JSON）、文本切分、向量库（Pinecone）与检索链、多轮对话 RAG；另含流式输出与生产配置（重试、超时、缓存、限流）。
使用方式：按资料给出的安装命令 npm install langchain @langchain/openai @langchain/community 安装后，使用 LCEL（pipe）组合提示模板、模型与输出解析器；通过 RunnableSequence 与 RunnableBranch 实现顺序与分支；用 AgentExecutor 运行智能体；用 createRetrievalChain、createStuffDocumentsChain、createHistoryAwareRetriever 搭建 RAG；用 chain.stream 与回调处理流式输出。
适用场景：需要将 LLM 接入业务流程的开发者，例如摘要、问答、客服意图分流、数据库查询与知识库检索应用。
限制：资料中未提供收费、价格、可用平台、性能指标与账号要求等信息；示例中的 eval 计算器注明生产环境应使用更安全的数学解析器；RAG 示例依赖 Pinecone 等外部服务，具体配置需自行准备。