摘要：基于CloudWeGo Eino框架的ReAct Agent天气查询系统 本文介绍了一个基于CloudWeGo Eino框架实现的ReAct模式AI Agent，用于智能天气查询服务。该系统通过Reason+Act交替执行的方式，解决了传统LLM直接应答在复杂业务场景中的局限性。Agent具备自动判断是否需要工具、多步推理完成任务的能力，能够处理不完整信息、依赖外部系统和多步决策等场景。文章

在本系列的前两篇文章中，我们已经完成了一个基于Golang与Ollama[第一篇]：《Golang玩转本地大模型实战（一）：ollama部署模型及流式调用》，介绍如何在本地部署大模型并实现 Golang 端的 API 调用；[第二篇]：《Golang玩转本地大模型实战（二）：基于Golang + Web实现AI对话页面》，实现了前后端结合的实时聊天功能，支持 WebSocket 与 SSE。缺乏上

近年来，AI技术迅猛发展，作为后端程序员，掌握基本的AI应用开发能力变得尤为重要。即使不深入研究模型底层原理，具备快速部署模型并在应用中调用的能力，也能极大地扩展自身技能边界。本系列文章将从AI模型的本地部署到后端调用接口，再到前端交互展示，以最简化的方式，带领大家完成一个完整的AI应用开发流程。使用Ollama部署本地模型，并通过Golang实现非流式和流式的API调用。Ollama是一个本地大

在上一篇文章中，我们学习了如何通过 Ollama 在本地部署大模型，并使用 Golang 实现了流式与非流式的 API 调用。本篇将继续实战，目标是打造一个完整的 网页端 AI 对话系统。该系统基于前后端协作，通过 WebSocket 和 SSE（Server-Sent Events）两种流式传输协议，实现模型回复的实时展示效果。最终实现效果为：本次项目的基本流程如下：SSE（Server-Sen