Eino：快速开始

简要介绍

Eino 为 AI 应用开发场景提供了多种组件抽象，并配套提供了多种实现，使得使用 Eino 快速开发应用变得 非常简单。本目录下提供了几种最常见的 AI 应用构建示例，帮助你快速上手使用 Eino。

这些小应用示例仅用于快速入门。若需了解更详细的介绍以及各项能力的独立示例，请参阅专门文档，例如 Eino：组件 和 Eino：链式与图式编排。

💡 Fornax Trace（Fornax 观测）使用说明：

Eino 的观测能力默认基于 Fornax Trace 实现（以下示例未包含启用观测的相关代码）：

  • 当使用链式 / 图式编排时，可注册全局的 EinoCallback 切面，以 Trace 形式上报节点的输入输出相关信息。具体用法参见：Eino：Callback 使用手册。
  • 如果只使用 Eino 组件而不使用编排能力，则需要在调用组件时通过 callbacks.InitCallbacks 手动注入 Callback 管理器信息，才能启用组件切面的 Trace 上报能力（仅适用于已实现切面的组件）。详细用法参见：Eino：Callback 使用手册。

快速上手示例

示例：最简单的 LLM 应用

在 AI 应用中，最基本的场景是 “Prompt + Chat Model” 场景，这也是目前各大 AI 应用平台提供的最核心功能。你可以定义一个 System Prompt 来约束 LLM 的响应逻辑，例如：“你正在扮演 XXX 的角色”。在本示例中，你可以使用 Eino 的 PromptTemplate 组件和 ChatModel 组件构建一个角色扮演类的应用。

示例：创建一个 Agent

LLM 是 AI 的大脑，其核心是理解自然语言并进行响应。一个（文本类）LLM 本身只能接收一段文本，然后输出一段文本。如果你希望 LLM 能使用一些工具来获取所需信息或自行执行某些动作，就需要引入 Tool。有了 Tool 的 LLM 就像有了手和脚，能够与现有 IT 系统进行交互，例如：“调用 HTTP 接口查询天气，然后根据天气提醒你穿什么衣服”。这就需要 LLM 能调用一个 “搜索工具” 来完成信息查询。

我们通常称这种能基于 LLM 输出调用工具的系统为 “Agent”。

在 Eino 中，你可以使用 ChatModel + ToolsNode 来实现一个 Agent，也可以使用封装好的 react agent 或 multi agent。

本示例将使用 react agent 构建一个能与真实世界交互的 Agent。