字节跳动开源的 Go Agent 框架，10K+ Stars 填补 "Go 无 LangChain" 的空白

当 Python 生态的 LangChain、LangGraph 把 AI 应用开发推向工业化的同时，Go 开发者只能眼馋。现在字节跳动的 CloudWeGo 团队交出了自己的答卷——Eino。它不只是简单移植 LangChain，而是用 Go 的方式重新思考了 AI 应用架构：组合优于继承、接口驱动、流式优先。

为什么 Go 需要 LLM 框架？

AI 应用开发已经从"调 API"进化到了"编排工作流"。现代 AI 应用不再是简单的请求-响应，而是涉及多步推理、工具调用、多 Agent 协作、人机交互等复杂流程。

Python 生态里，LangChain 是事实标准。但 Go 开发者面对的是一个尴尬的现实：

LangChain Go（tmc/langchaingo）是最接近的选择，但它本质上是 LangChain 的 Go 移植，API 设计带有明显的 Python 味道，而且功能覆盖远不如 Python 版。

字节跳动的 CloudWeGo 团队决定不走了——他们要造一个 Go-first 的 LLM 应用开发框架。这就是 Eino（发音 "aino"），GitHub Stars 已突破 10K。

Eino 是什么

Eino 是一个用 Go 构建的 LLM 应用开发框架。它从 LangChain、Google ADK 等框架中汲取灵感，但严格遵循 Go 的设计惯例。

核心定位可以用一句话概括：组件化 + 编排 + Agent，三件套搞定 AI 应用。

┌─────────────────────────────────────────────┐
│              Eino (核心框架)                  │
│  类型定义 · 流式机制 · 组件抽象               │
│  编排引擎 · Agent 实现 · 切面机制             │
├─────────────────────────────────────────────┤
│              EinoExt (扩展)                   │
│  OpenAI · Claude · Gemini · Ark · Ollama     │
│  Elasticsearch · 回调处理器 · 评估器          │
│  Prompt 优化器 · 可视化调试                   │
├─────────────────────────────────────────────┤
│           EinoExamples (示例)                 │
│  RAG · ReAct Agent · Manus Agent · Deer-Go   │
│  多 Agent 协作 · 人机交互                     │
└─────────────────────────────────────────────┘

设计哲学：Go 的方式做 AI

组合优于继承

每个组件（ChatModel、Tool、Retriever）都是一个接口，可以自由替换实现：

chatModel, _ := openai.NewChatModel(ctx, &openai.ChatModelConfig{
    Model:   "gpt-4o",
    APIKey:  os.Getenv("OPENAI_API_KEY"),
})

// 换成 Claude 只需要换一行
// chatModel, _ := claude.NewChatModel(ctx, &claude.ChatModelConfig{...})

// 换成本地 Ollama
// chatModel, _ := ollama.NewChatModel(ctx, &ollama.ChatModelConfig{...})

流式优先

AI 应用的流式响应不是可选功能——用户不想盯着空白屏幕等 10 秒。Eino 在框架层面就内置了流式支持，自动处理流式拼接、装箱、合并和复制。

切面机制

类似 AOP 的回调机制，可以在固定注入点插入日志、追踪和指标：

• OnStart：组件开始执行
• OnEnd：组件执行完成
• OnError：组件执行出错
• OnStartWithStreamInput：流式输入开始
• OnEndWithStreamOutput：流式输出完成

与 OpenTelemetry 无缝集成，享受 Go 原生可观测性生态的完整支持。

核心模块一：ADK（Agent 开发套件）

ADK 是 Eino 最有特色的模块，提供了完整的 Agent 开发能力。

ChatModelAgent：最简单的 Agent

chatModel, _ := openai.NewChatModel(ctx, &openai.ChatModelConfig{
    Model:  "gpt-4o",
    APIKey: os.Getenv("OPENAI_API_KEY"),
})

agent, _ := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
    Model: chatModel,
})

runner := adk.NewRunner(ctx, adk.RunnerConfig{Agent: agent})
iter := runner.Query(ctx, "你好，你是谁？")
for {
    event, ok := iter.Next()
    if !ok {
        break
    }
    fmt.Println(event.Message.Content)
}

加上工具，Agent 就获得了调用外部能力的能力。Agent 内部自动处理 ReAct 循环——它自己决定什么时候调用工具、什么时候直接回答。

DeepAgent：复杂任务分解

面对需要多步推理的复杂任务，DeepAgent 把问题拆解成步骤，委派给子 Agent，并追踪进度。它可以协调多个专业化 Agent、执行 Shell 命令、运行 Python 代码、搜索网页。

五种多 Agent 协作模式

人机交互（HITL）

这是 Eino 的亮点功能。任何 Agent 或工具都可以暂停执行，等待人类输入，然后从检查点恢复。框架提供 5 种人机交互模式：

• 审批模式：Agent 在执行关键操作前请求人类批准
• 审核-编辑模式：Agent 生成内容后交给人类审核和修改
• 反馈循环模式：Agent 执行后根据人类反馈迭代改进
• 跟进模式：Agent 在不确定时向人类请求额外信息
• Supervisor 模式：人类作为 Supervisor 监督多 Agent 协作

核心模块二：Compose（编排引擎）

当你需要精确控制执行流程时，用 Compose 构建图和工作流。

graph := compose.NewGraph[*Input, *Output]()
graph.AddLambdaNode("validate", validateFn)
graph.AddChatModelNode("generate", chatModel)
graph.AddLambdaNode("format", formatFn)

graph.AddEdge(compose.START, "validate")
graph.AddEdge("validate", "generate")
graph.AddEdge("generate", "format")
graph.AddEdge("format", compose.END)

runnable, _ := graph.Compile(ctx)
result, _ := runnable.Invoke(ctx, input)

Graph 是有向无环图（DAG），节点之间可以有条件分支、循环依赖等复杂拓扑。

支持的模型

EinoExt 扩展已支持：

安装

go get github.com/cloudwego/eino@latest
go get github.com/cloudwego/eino-ext@latest  # 扩展

总结

Eino 不是 LangChain 的 Go 翻译，而是用 Go 的方式重新思考了 AI 应用开发：

• 组合优于继承：所有组件都是接口
• 流式优先：框架层面内置
• Agent 原生：ReAct、DeepAgent、五种协作模式开箱即用
• 人机交互：5 种 HITL 模式解决生产环境的信任问题
• Go 原生可观测：与 OpenTelemetry 无缝集成

如果你是 Go 开发者，想做 AI 应用但不想写 Python，Eino 是目前最成熟的选择。

开源地址：https://github.com/cloudwego/eino