Eino是字节推出的Go语言LLM应用开发框架，借鉴了LangChain等设计理念但完全遵循Go语言特性。它采用组件化架构，支持Chain、Graph、Workflow三种编排方式，并提供完善的观测能力。示例展示了如何使用Eino调用ModelScope的OpenAI模型进行流式对话：通过创建ChatModel实例，构建系统/用户消息，获取流式读取器并实时输出响应内容。该框架充分发挥了Go语言在接

本文介绍了如何创建自定义天气查询工具并集成到AI对话系统中。首先定义了一个模拟天气API的工具，包含请求参数、响应结构和执行逻辑。然后通过集成工具到ReAct Agent框架，实现了自然语言查询天气的功能。系统使用Qwen3.5大模型作为核心，当用户询问"上海今天天气怎么样"时，Agent能正确调用天气工具并返回"上海26°C多云"的响应。该方案展示了如何将自定义功能扩展到大语言模型中，实现特定领

ADK 是 Eino 框架中 adk 包提供的高层 Agent 开发工具包，全称 Agent Development Kit。它的定位很明确：让你用最少的代码构建多 Agent 协作系统。在 ADK 出现之前，如果你想让多个 Agent 协作，得自己用 Graph 编排——定义节点、连边、写条件路由、处理数据传递。这种方式很灵活，但写起来啰嗦，而且多 Agent 协作有很多通用的模式（顺序执行、并

本文摘要介绍了RAG（检索增强生成）中的关键预处理步骤——文本分块（Chunking），重点分析两种主流分块策略： 固定长度分块：通过设定固定字符数和重叠区实现简单分割，但可能破坏语义完整性。示例代码展示了Go语言实现方案，包括字符统计和重叠处理逻辑。 递归分块：采用多级分隔符（段落/句子/词语）的层级分割策略，优先保持语义单元完整。当高层级分割仍超限时，自动降级使用更细粒度分隔符，最终回退到字符

本文介绍了如何构建基于RAG（检索增强生成）系统的知识库。主要内容包括：1）文档分块策略（固定大小分块、递归字符分割、语义分块）；2）向量检索方法（余弦相似度、点积相似度、欧氏距离）；3）实际操作步骤（加载文档、Markdown分块、向量化存储）。文中以Go语言知识库为例，展示了如何将技术文档切分为语义块，并利用OpenAI的Embedding模型进行向量化处理。最后提到需配置分块大小、重叠窗口等

本文介绍了使用LangChain构建RAG（检索增强生成）系统的实现过程。通过加载文本文件，使用递归字符分割器处理文档，并接入通义千问大模型和DashScope向量嵌入技术。系统包含文档加载、分割、向量化存储及检索流程，最终构建问答链，根据检索内容生成回答。当查询"Agent类型"时，系统若未找到相关信息会返回预设提示。代码展示了从文档处理到智能问答的完整实现方案。