背景介绍
它从开源社区中的诸多优秀 LLM 应用开发框架，如 LangChain 和 LlamaIndex 等获取灵感，同时借鉴前沿研究成果与实际应用，提供了一个强调简洁性、可扩展性、可靠性与有效性，且更符合 Go 语言编程惯例的 LLM 应用开发框架。Eino 提供的价值如下：
- 精心整理的一系列 组件（component） 抽象与实现，可轻松复用与组合，用于构建 LLM 应用。
- 强大的 编排（orchestration） 框架，为用户承担繁重的类型检查、流式处理、并发管理、切面注入、选项赋值等工作。
- 一套精心设计、注重简洁明了的 API。
- 以集成 流程（flow） 和 示例（example） 形式不断扩充的最佳实践集合。
- 一套实用 工具（DevOps tools），涵盖从可视化开发与调试到在线追踪与评估的整个开发生命周期。
eino和langchian确实很相似，不同的组件对应不同的功能，组件列表如下所示：
| 组件名 | 组件功能 |
| ChatModel | 与大模型交互，输入 Message 上下文，得到模型的输出 Message |
| Tool | 与世界交互，根据模型的输出，执行对应的动作 |
| Retriever | 获取相关的上下文，让模型的输出基于高质量的事实 |
| ChatTemplate | 接收外界输入，转化成预设格式的 prompt 交给模型 |
| Document Loader | 加载指定的文本 |
| Document Transformer | 按照特定规则转化指定的文本 |
| Indexer | 存储文件并建立索引，供后续 Retriever 使用 |
| Embedding | Retriever 和 Indexer 的共同依赖，文本转向量，捕获文本语义 |
| Lambda | 用户定制 function |
ChatModel interface定义了了 Stream 、BindTools 、Generate 流式传输、Tool模型基本对话
type ChatModel interface { Generate(ctx context.Context, input []*schema.Message, opts ...Option) (*schema.Message, error) Stream(ctx context.Context, input []*schema.Message, opts ...Option) ( *schema.StreamReader[*schema.Message], error) BindTools(tools []*schema.ToolInfo) error }
基本调用可以如下图所示：
当然，除了openai库之外，官方同样支持ollama和ark库等。所以无论是调用本地运行的模型，还是服务商提供的模型，都可以迅速上手。
初步感受
这个项目我才接触不久，目前第一感觉是和langchain很像，基于chain的模式实现agent和RAG，但是官方也支持基于graph的编排，目前还不懂，继续学(*∩_∩*)
引用资源：
eino官方文档： https://www.cloudwego.io/zh/docs/
eino github链接： https://github.com/cloudwego/eino 、https://github.com/cloudwego/eino-ext 、
ps：官方的飞书群还挺好的，有啥疑问，回答都挺快的，氛围也不错，点赞！
