Go + Eino 构建 AI Agent（一）：Hello LLM

TL;DR: Eino 是 Go 版的 LangChain。本文介绍 ChatModel.Generate() 非流式调用和 ChatModel.Stream() 流式调用，以及如何通过 schema.Message 构建多轮对话。

Eino - 字节跳动 CloudWeGo 团队开源的 Go 语言 AI 应用开发框架。

GitHub: github.com/cloudwego/e...
适用版本：Go 1.21+

环境准备

1. Go 版本要求

bash 复制代码

go version  # 需要 Go 1.21+

2. 创建项目

bash 复制代码

mkdir ai-agent-go && cd ai-agent-go
go mod init ai-agent-go

3. 安装依赖

bash 复制代码

# Eino 核心包
go get github.com/cloudwego/eino@latest

# 火山引擎豆包模型（国内推荐）
go get github.com/cloudwego/eino-ext/components/model/ark@latest

# 自动加载 .env 文件
go get github.com/joho/godotenv@latest

4. 获取 API Key

本文使用火山引擎豆包（字节跳动的大模型服务），Eino 原生支持，国内访问稳定。

访问火山引擎控制台
创建推理接入点（Endpoint）
获取 API Key

5. 配置环境变量

在项目根目录创建 .env 文件：

bash 复制代码

ARK_API_KEY=你的API密钥
ARK_MODEL_ID=ep-xxxxxxxx

⚠️ 记得把 .env 加入 .gitignore，避免泄露密钥！

Hello Eino：第一次调用大模型

最简代码

创建文件 cmd/01_hello_llm/main.go：

go 复制代码

package main

import (
	"context"
	"fmt"
	"log"
	"os"

	"github.com/cloudwego/eino-ext/components/model/ark"
	"github.com/cloudwego/eino/schema"
	"github.com/joho/godotenv"
)

func init() {
	godotenv.Load() // 自动加载 .env 文件
}

func main() {
	ctx := context.Background()

	// 1. 创建 ChatModel
	chatModel, err := ark.NewChatModel(ctx, &ark.ChatModelConfig{
		APIKey: os.Getenv("ARK_API_KEY"),
		Model:  os.Getenv("ARK_MODEL_ID"),
	})
	if err != nil {
		log.Fatalf("创建ChatModel失败: %v", err)
	}

	// 2. 准备消息
	messages := []*schema.Message{
		{
			Role:    schema.User,
			Content: "你好！请用一句话介绍什么是AI Agent",
		},
	}

	// 3. 生成回复
	response, err := chatModel.Generate(ctx, messages)
	if err != nil {
		log.Fatalf("生成失败: %v", err)
	}

	fmt.Println("🤖 AI回复:", response.Content)
}

运行：

bash 复制代码

go run cmd/01_hello_llm/main.go

消息格式

Eino 使用 schema.Message 表示消息，这是与大模型交互的基本单位：

go 复制代码

// 四种消息角色
schema.System    // 系统提示（设定 AI 的行为）
schema.User      // 用户输入
schema.Assistant // AI 回复
schema.Tool      // 工具返回结果

// 便捷创建方法
schema.SystemMessage("你是一个助手")
schema.UserMessage("你好")
schema.AssistantMessage("你好！有什么可以帮你的？", nil)

带 System 提示的对话

System 消息用于设定 AI 的角色和行为：

go 复制代码

messages := []*schema.Message{
	schema.SystemMessage("你是一个专业的Go语言专家，回答要简洁专业"),
	schema.UserMessage("Go的goroutine和线程有什么区别？"),
}

// 使用 Option 调整模型参数
response, err := chatModel.Generate(ctx, messages,
	model.WithTemperature(0.7), // 创造性程度（0-1）
	model.WithMaxTokens(500),   // 最大输出长度
)

流式输出

Stream() 方法实现边生成边返回，适合聊天界面：

go 复制代码

// 使用 Stream 方法
streamReader, err := chatModel.Stream(ctx, messages)
if err != nil {
	log.Fatal(err)
}
defer streamReader.Close()

fmt.Print("🤖 AI: ")
for {
	chunk, err := streamReader.Recv()
	if err == io.EOF {
		break // 流结束
	}
	if err != nil {
		log.Fatal(err)
	}
	fmt.Print(chunk.Content) // 实时输出每个字
}
fmt.Println()

多轮对话

关键：每次调用时传入完整的对话历史。

go 复制代码

// 对话历史
history := []*schema.Message{
	schema.SystemMessage("你是一个友好的AI助手，会记住对话内容"),
}

scanner := bufio.NewScanner(os.Stdin)
fmt.Println("💬 多轮对话（输入 'quit' 退出）")

for {
	fmt.Print("\n你: ")
	scanner.Scan()
	input := strings.TrimSpace(scanner.Text())
	if input == "quit" {
		break
	}

	// 添加用户消息到历史
	history = append(history, schema.UserMessage(input))

	// 生成回复（传入完整历史）
	response, err := chatModel.Generate(ctx, history)
	if err != nil {
		log.Printf("生成失败: %v", err)
		continue
	}

	// 添加 AI 回复到历史
	history = append(history, response)

	fmt.Println("AI:", response.Content)
}

Trade-offs

方法	适用场景	不适用场景
`Generate()`	后台批量处理、需要完整结果再处理	实时聊天界面（用户体验差）
`Stream()`	聊天界面、长文本生成	需要原子性结果的场景
多轮对话（传完整历史）	需要上下文的对话	历史过长时会超出 token 限制

Eino vs 直接调用 API：

Eino 提供统一抽象，切换模型只需改配置
直接调用 API 更轻量，但换模型需要改代码

总结

方法	用途
`Generate()`	非流式调用，等待完整响应
`Stream()`	流式调用，边生成边返回
`schema.Message`	消息结构，支持 System/User/Assistant/Tool 四种角色