Eino[‘aino] (近似音: i know,希望框架能达到 “i know” 的愿景) 旨在提供基于 Go 语言的终极大模型应用开发框架。 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。
- 智能体开发套件(ADK),提供构建 AI 智能体的高级抽象,支持多智能体编排、人机协作中断机制以及预置的智能体模式。
- 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**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。
借助上述能力和工具,Eino 能够在人工智能应用开发生命周期的不同阶段实现标准化、简化操作并提高效率:

Eino Github 仓库链接
直接使用组件:
当然,你可以这样用,Eino 提供了许多开箱即用的有用组件。但通过使用编排功能,你能实现更多,原因有三:
- 编排封装了大语言模型(LLM)应用的常见模式。
- 编排解决了处理大语言模型流式响应这一难题。
- 编排为你处理类型安全、并发管理、切面注入以及选项赋值等问题。
Eino 提供了三组用于编排的 API:
我们来创建一个简单的 chain: 一个模版(ChatTemplate)接一个大模型(ChatModel)。

现在,我们来创建一个 Graph,一个 ChatModel,要么直接输出结果,要么最多调一次 Tool。

现在,我们来创建一个 Workflow,它能在字段级别灵活映射输入与输出:

Eino 的图编排开箱即用地提供以下能力:
- 类型检查:在编译时确保两个节点的输入和输出类型匹配。
- 流处理:如有需要,在将消息流传递给 ChatModel 和 ToolsNode 节点之前进行拼接,以及将该流复制到 callback handler 中。
- 并发管理:由于 StatePreHandler 是线程安全的,共享的 state 可以被安全地读写。
- 切面注入:如果指定的 ChatModel 实现未自行注入,会在 ChatModel 执行之前和之后注入回调切面。
- 选项赋值:调用 Option 可以全局设置,也可以针对特定组件类型或特定节点进行设置。
例如,你可以轻松地通过回调扩展已编译的图:
或者你可以轻松地为不同节点分配选项:
现在,咱们来创建一个 “ReAct” 智能体:一个 ChatModel 绑定了一些 Tool。它接收输入的消息,自主判断是调用 Tool 还是输出最终结果。Tool 的执行结果会再次成为聊天模型的输入消息,并作为下一轮自主判断的上下文。

Eino 的智能体开发套件(ADK)提供了开箱即用的 来实现这一模式:
ADK 在内部处理 ReAct 循环,为智能体推理过程的每个步骤发出事件。
除了基本的 ReAct 模式,ADK 还提供了构建生产级智能体系统的强大能力:
多智能体与上下文管理:智能体可以将控制权转移给子智能体,或被封装为工具。框架会自动管理跨智能体边界的对话上下文:
当 转移到 时,对话历史会自动重写,为子智能体提供适当的上下文。
智能体也可以被封装为工具,允许一个智能体在其工具调用工作流中调用另一个智能体:
随处中断,直接恢复:任何智能体都可以暂停执行以等待人工审批或外部输入,并从中断处精确恢复:
预置智能体模式:为常见架构提供开箱即用的实现:
可扩展的中间件系统:在不修改核心逻辑的情况下为智能体添加能力:
- 将常见的构建模块抽象为组件,每个组件抽象都有多个可开箱即用的组件实现。
- 诸如聊天模型(ChatModel)、工具(Tool)、提示模板(PromptTemplate)、检索器(Retriever)、文档加载器(Document Loader)、Lambda 等组件抽象。
- 每种组件类型都有其自身的接口:定义了输入和输出类型、定义了选项类型,以及合理的流处理范式。
- 实现细节是透明的。在编排组件时,你只需关注抽象层面。
- 实现可以嵌套,并包含复杂的业务逻辑。
- ReAct 智能体(React Agent)、多查询检索器(MultiQueryRetriever)、主机多智能体(Host MultiAgent)等。它们由多个组件和复杂的业务逻辑构成。
- 从外部看,它们的实现细节依然透明。例如在任何接受 Retriever 的地方,都可以使用 MultiQueryRetriever。
ADK 包提供了针对构建 AI 智能体优化的高级抽象:
- ChatModelAgent:ReAct 风格的智能体,自动处理工具调用、对话状态和推理循环。
- 多智能体与上下文工程:构建层级化智能体系统,对话历史在智能体转移和智能体作为工具调用时自动管理,实现专业智能体间的无缝上下文共享。
- 工作流智能体:使用 、 和 组合智能体,实现复杂的执行流程。
- 人机协作: 和 机制,支持检查点持久化,适用于需要人工审批或输入的工作流。
- 预置模式:开箱即用的实现,包括 Deep Agent(任务编排)、Supervisor(层级协调)和 Plan-Execute-Replan。
- 智能体中间件:可扩展的中间件系统,用于添加工具(文件系统操作)和管理上下文(token 缩减)。
如需细粒度控制,Eino 提供图编排能力,数据从 Retriever / Document Loader / ChatTemplate 流向 ChatModel,接着流向 Tool ,并被解析为最终答案。
- 组件实例是图的 节点(Node) ,而 边(Edge) 则是数据流通道。
- 图编排功能强大且足够灵活,能够实现复杂的业务逻辑:
- 类型检查、流处理、并发管理、切面注入和选项分配都由框架处理。
- 在运行时进行分支(Branch)执行、读写全局状态(State),或者使用工作流进行字段级别的数据映射。
切面处理日志记录、追踪、指标统计等横切关注点。切面可以直接应用于组件、编排图或 ADK 智能体。
- 支持五种切面类型:OnStart、OnEnd、OnError、OnStartWithStreamInput、OnEndWithStreamOutput。
- 可通过 Option 在运行时添加自定义回调处理程序。
- 流数据处理(Stream Processing)很重要,因为 ChatModel 在生成消息时会实时输出完整消息的各个分片。在编排场景下会尤为重要,因为更多的组件需要处理分片的消息数据。
- 对于只接受非流式输入的下游节点(如 ToolsNode),Eino 会自动将流 拼接(Concatenate) 起来。
- 在图的执行过程中,当需要流时,Eino 会自动将非流式转换为流式。
- 当多个流汇聚到一个下游节点时,Eino 会自动 合并(Merge) 这些流。
- 当一个流传入到多个不同的下游节点或传递给回调处理器时,Eino 会自动 复制(Copy) 这些流。
- 如 分支(Branch) 、或 状态处理器(StateHandler) 等编排元素,也能够感知和处理流。
- 借助上述流数据处理能力,组件本身的“是否能处理流、是否会输出流”变的对用户透明。
- 经过编译的 Graph 可以用 4 种不同的流输入输出范式来运行:

Eino 框架由几个部分组成:
- Eino:包含类型定义、流数据处理机制、组件抽象定义、编排功能、切面机制等。
- EinoExt:组件实现、回调处理程序实现、组件使用示例,以及各种工具,如评估器、提示优化器等。
💡 针对字节内部使用的组件,有对应的内部代码仓库:
- Eino Devops:可视化开发、可视化调试等。
- EinoExamples:是包含示例应用程序和**实践的代码仓库。
详见:Eino 框架结构说明
针对 Eino 的学习和使用,我们提供了完善的 Eino 用户手册,帮助大家快速理解 Eino 中的概念,掌握基于 Eino 开发设计 AI 应用的技能,赶快通过 Eino 用户手册尝试使用吧~。
若想快速上手,了解 通过 Eino 构建 AI 应用的过程,推荐先阅读 Eino: 快速开始
完整 API Reference:https://pkg.go.dev/github.com/cloudwego/eino
- Go 1.18 及以上版本
本仓库开启了 检查以约束基础代码规范,可通过以下命令在本地检查:
主要规则包括:
- 导出的函数、接口、package 等需要添加注释,且注释符合 GoDoc 规范。
- 代码格式需符合 规范。
- import 顺序需符合 规范(std -> third party -> local)。
如果你在该项目中发现潜在的安全问题,或你认为可能发现了安全问题,请通过我们的安全中心或漏洞报告邮箱通知字节跳动安全团队。
请不要创建公开的 GitHub Issue。
- 如何成为 member: COMMUNITY MEMBERSHIP
- Issues: Issues
- 飞书用户群(注册飞书后扫码进群)

- 字节内部 OnCall 群
本项目依据 [Apache-2.0 许可证]授权。
版权声明:本文内容由互联网用户自发贡献,该文观点仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容,请联系我们,一经查实,本站将立刻删除。
如需转载请保留出处:https://51itzy.com/kjqy/231736.html