别卷 LangChain 了！Blades AI 框架让 Go 开发者轻松打造智能体

名字来源于：《战神》游戏以希腊神话为背景，讲述奎托斯（Kratos）由凡人成为战神并展开弑神屠杀的冒险经历，Blades 是奎托斯的标志性武器。

在人工智能浪潮席卷全球的今天，大型语言模型（LLM）正在重塑软件开发的边界。然而，对于广大的 Go 开发者而言，一个普遍的痛点是：主流的 LLM 应用框架（如 LangChain）大多基于 Python，这使得在以 Go 为主要技术栈的团队中开发 Agent 应用变得不那么"原生"和高效。

为了解决这个挑战，今天我带着我的新作品来了，它就是 Blades ! Blades 是一个专为 Go 语言设计的、用于构建 AI Agent 应用的现代化框架。目处于初期阶段，当前已支持自定义模型、工具、记忆体、中间件等功能，适用于多轮对话、链式推理和结构化输出等场景。它保持着 Kratos 一贯的设计美学，结合 Go 语言的特性，提供了灵活且高效的 AI Agent 解决方案。

Go Idiomatic：完全依照 Go 的思维方式构建，代码风格、使用体验都让 Go 开发者感到亲切。
使用简单：通过简洁的代码生命，定义 AI Agent，实现需求快速交付，让复杂的逻辑变得清晰、易于管理和维护。
中间件生态：借鉴 Kratos 的中间件设计理念，无论是 Observability、Guardrails，都可以方便的集成到 AI Agent。
高度可扩展：通过统一的接口和可插拔的组件，实现高度的解耦和可扩展性，方便集成不同的 LLM 模型和外部工具。

架构

当前 Blades 主要由以下模块组成：

Agent (智能体)：执行任务的核心单元，可以调用模型和工具。
Prompt (提示词)：用于与 LLM 交互的模板化文本，支持动态变量替换和复杂的上下文构建。
Chain (链)：将多个 Agent 或其他 Chain 串联起来，形成复杂的工作流。
ModelProvider (模型)：可插拔的 LLM 接口，您可以轻松切换和集成不同的语言模型服务（如 OpenAI 等）。
Tool (工具)：Agent 可以使用的外部能力，例如调用 API、查询数据库、访问文件系统等。
Memory (记忆)：为 Agent 提供短期或长期的记忆能力，实现具备上下文的连续对话。
Middleware (中间件)：类似于 Web 框架中的中间件，可以实现对 Agent 的横切面控制。

核心接口

其中 Runner 是 Blades 框架中最核心的接口，它定义了所有可执行组件的基本行为。

go 复制代码

// Runner represents an entity that can process prompts and generate responses.
type Runner interface {
    // Run 执行一个同步的、非流式的操作，返回一个完整的 Generation 结果。
    Run(context.Context, *Prompt, ...ModelOption) (*Generation, error)
    // RunStream 执行一个异步的、流式的操作，返回一个 Streamer，用于逐步接收 Generation 结果。
    RunStream(context.Context, *Prompt, ...ModelOption) (Streamer[*Generation], error)
}

其设计旨在提供一个统一的执行范式，通过 Run 和 RunStream 方法，实现了框架内各种功能模块的解耦、标准化和高度可组合性 。Agent、Chain、ModelProvider 等组件都实现了此接口，从而统一了它们的执行逻辑，使得不同组件能够像乐高积木一样灵活组合，构建复杂的 AI Agent。

ModelProvider

ModelProvider 是 Blades 框架与底层大语言模型（LLM）进行交互的核心抽象层。其设计目标在于通过统一的接口实现解耦和扩展性，使得框架核心逻辑与特定模型（如 OpenAI, DeepSeek, Gemini 等）的实现细节分离。

其他模块设计，不再一一赘述，可以阅读代码，了解细节。

动手做一个电影推荐 Agent

下面我们通过一个简单的例子，来展示如何使用 Blades 构建一个电影推荐 Agent。这个 Agent 会推荐一个中国明星，并列出他/她主演过的电影。

go 复制代码

package main

import (
    "context"
    "log"

    "github.com/go-kratos/blades"
    "github.com/go-kratos/blades/contrib/openai"
)

func main() {
    agent := blades.NewAgent(
        "Template Agent",
        blades.WithModel("qwen-plus"),
        blades.WithProvider(openai.NewChatProvider()),
    )

    // Define templates and params
    params := map[string]any{
        "actor":  "成龙",
        "movies": "10",
    }

    // Build prompt using the template builder
    // Note: Use exported methods when calling from another package.
    prompt, err := blades.NewPromptTemplate().
        System("你是一个电影电视剧推荐大师，根据用户信息进行推荐 {{.movies}} 作品。", params).
        User("请为我推荐 {{.actor}} 的电影，请按照"标题（年份）、类型/风格 、推荐理由"的格式输出。", params).
        Build()
    if err != nil {
        log.Fatal(err)
    }

    log.Println("Generated Prompt:", prompt.String())

    // Run the agent with the templated prompt
    result, err := agent.Run(context.Background(), prompt)
    if err != nil {
        log.Fatal(err)
    }
    log.Println(result.AsText())
}

执行程序后，你会得到类似如下的输出：

shell 复制代码

2025/09/25 22:12:34 Generated Prompt: [Text: 你是一个电影电视剧推荐大师，根据用户信息进行推荐 10 作品。)][Text: 请为我推荐 成龙 的电影，请按照"标题（年份）、类型/风格 、推荐理由"的格式输出。)]
2025/09/25 22:12:34 Processing message: system [{你是一个电影电视剧推荐大师，根据用户信息进行推荐 10 作品。}]
2025/09/25 22:12:34 Processing message: user [{请为我推荐 成龙 的电影，请按照"标题（年份）、类型/风格 、推荐理由"的格式输出。}]
2025/09/25 22:13:00 当然可以！以下是10部成龙的经典电影推荐，涵盖动作、喜剧、冒险等多种风格，展现他独特的"功夫喜剧"魅力与特技表演：

1. **《警察故事》（1985）**  
   - 类型/风格：警匪 / 动作 / 犯罪  
   - 推荐理由：被誉为成龙最具代表性的作品之一，高难度实拍动作场面震撼影史，商场追击戏成为经典，充分展现其拼命三郎的敬业精神。

2. **《A计划》（1983）**  
   - 类型/风格：动作 / 喜剧 / 冒险  
   - 推荐理由：融合维多利亚时代背景与惊险钟楼跳伞戏，动作设计极具创意，幽默与紧张并存，是早期动作喜剧的巅峰之作。
....

说在最后

邀请所有 Go 开发者和 AI 爱好者访问我们的 GitHub 仓库，亲自体验 Blades 带来的开发乐趣。

GitHub 仓库: github.com/go-kratos/b...

给项目一个 ⭐️ Star，探索 examples 目录下的更多用法，或者直接上手构建您的第一个 Go LLM 应用吧！

项目当前处于初期阶段，持续迭代中，期待反馈、建议和贡献