Tutorial 2: 快速开始

环境要求

• Go：1.18 及以上

• 代码风格由 golangci-lint 约束；导出符号需 GoDoc 注释，格式使用 gofmt -s。

参考：Eino Quick Start。

最小 LLM 应用

在 Eino 中，一个最简单的「提示 → 模型 → 输出」管道可以用 Chain 表示：把 ChatTemplate 和 ChatModel 顺序连接。

概念流程：

用户输入 → ChatTemplate（组消息）→ ChatModel（调用 LLM）→ 输出

实现步骤概要（具体 API 以当前 eino/eino-ext 为准）：

1. 引入依赖

   • github.com/cloudwego/eino（核心）

   • github.com/cloudwego/eino-ext 中对应模型实现（如 OpenAI）

2. 创建 ChatTemplate

   • 定义系统提示与用户占位符，将用户输入填入模板得到消息列表。

3. 创建 ChatModel

   • 使用 eino-ext 中的 OpenAI（或其它）实现，配置 API Key 等。

4. 用 Chain 串联

   • 将 Template 与 Model 组成一条 Chain，调用 Invoke 或 Stream。

5. 执行

   • Invoke(ctx, input)：同步得到最终结果。

   • Stream(ctx, input)：得到流式输出，按 token 消费。

完整可运行示例见官方 Build a Minimal LLM Application 与 EinoExamples 仓库。

第一个 Agent：给 LLM「双手」

仅靠 Chain 只能做单轮调用。若要「让 LLM 决定是否调用工具、再根据工具结果继续」，需要 Agent 模式。

Eino 的 ReAct Agent（见 Agent — Give Your LLM Hands）典型流程：

1. 定义工具（Tools）

   • 实现 BaseTool（或 eino-ext 中的具体 Tool 类型），每个工具有名称、描述、参数 schema。

   • 例如：搜索、查数据库、调用 API 等。

2. 使用 ToolCallingChatModel

   • 使用支持工具调用的模型（如 OpenAI function calling），并注册上述工具。

3. 构建 ReAct Agent 图

   • 图中包含「模型节点」与「工具执行节点」，边表示「模型输出 → 工具调用」或「工具结果 → 再次进入模型」。

   • 使用 ADK 中的 ChatModelAgent 或 Flow 中的 ReAct 预置流程，可自动完成「思考 → 选工具 → 执行 → 再思考」的循环。

4. 运行

   • 通过 Runner 或 Graph 的 Invoke/Stream 执行，输入用户问题，得到最终回答或流式输出。

这样 LLM 就具备了「动手能力」：在需要时调用外部工具并基于结果继续推理。

小结

• 最小应用：用 Chain 连接 ChatTemplate 与 ChatModel，通过 Invoke 或 Stream 调用。

• 第一个 Agent：定义 Tools，使用 ToolCallingChatModel 和 ReAct 图（或 ChatModelAgent），实现「推理 + 工具调用」循环。

• 更多示例见 EinoExamples 与 Eino Quick Start。

下一节将介绍 Eino 的组件系统：ChatModel、ChatTemplate、Tool、Retriever 等接口与用法。