Eino中有哪些組件？
// Component the name of different kinds of components
type Component string
const (
ComponentOfPrompt Component = "ChatTemplate"
ComponentOfChatModel Component = "ChatModel"
ComponentOfEmbedding Component = "Embedding"
ComponentOfIndexer Component = "Indexer"
ComponentOfRetriever Component = "Retriever"
ComponentOfLoader Component = "Loader"
ComponentOfTransformer Component = "DocumentTransformer"
ComponentOfTool Component = "Tool"
)
| 組件名 | 目錄/包名 | 職責(zé) |
|---|---|---|
| ChatModel | components/model | 對接 LLM，負(fù)責(zé)“生成回答”。 |
| ChatTemplate | components/prompt | 把變量塞進(jìn)提示模板，生成最終 Prompt。 |
| Embedding | components/embedding | 把文本變成向量。 |
| Indexer | components/indexer | 把向量寫進(jìn)索引庫（如 Redis、VikingDB）。 |
| Retriever | components/retriever | 根據(jù) query 向量去索引庫召回文檔。 |
| DocumentLoader | components/loader | 從文件/URL/數(shù)據(jù)庫加載原始文檔。 |
| DocumentTransformer | components/transformer | 對文檔做切塊、過濾、格式轉(zhuǎn)換等。 |
| Tool | components/tool | 封裝外部 API 或函數(shù)，供 LLM 調(diào)用。 |
不同場景下這些組件如何協(xié)同工作，
| 場景示例 | 組件協(xié)作鏈路 |
|---|---|
| 對話機(jī)器人 | ChatTemplate → ChatModel |
| RAG 問答 | DocumentLoader → DocumentTransformer → Embedding → Indexer → Retriever → ChatTemplate → ChatModel |
| 工具調(diào)用 Agent | ChatModel（綁定 Tool）→ Tool → ChatModel |
可以通過chain , graph 或者工作流將這些組件串聯(lián)起來， 來實現(xiàn)對應(yīng)的業(yè)務(wù)編排, 如下圖使用graph(有向無環(huán)圖)來實現(xiàn)對話的場景，換成 RAG 只需在中間插入 Embedding、Indexer、Retriever 即可
g := compose.NewGraph[input, output]()
_ = g.AddChatTemplateNode("tpl", tpl)
_ = g.AddChatModelNode("model", model)
_ = g.AddEdge(compose.START, "tpl")
_ = g.AddEdge("tpl", "model")
_ = g.AddEdge("model", compose.END)
runnable, _ := g.Compile(ctx)
image.png
eino中不同組件之間的數(shù)據(jù)流動：
image.png
- 通過DocumentLoader從文件/URL/數(shù)據(jù)庫加載原始文檔， 并通過Transformer 對文檔進(jìn)行預(yù)處理， 然后通過Embedding 模型將文檔轉(zhuǎn)換為向量（需要依賴第三方向量模型，如豆包的Doubao-embedding-vision或Doubao-embedding）并存入向量數(shù)據(jù)庫(redis等)
- 基于用戶查詢query， 由Embedding 模型對 query 向量化， 然后ChatModel基于 query 向量從 Redis Vector Database 召回最相關(guān)的文檔, 召回流程參考如下：
| 階段 | 組件 | 作用 |
|---|---|---|
| 1. 用戶輸入 | Lambda | 將用戶原始 query 轉(zhuǎn)換為字符串 |
| 2. 向量化 | Embedding | 使用模型（如 doubao-embedding-large）將 query 轉(zhuǎn)為向量 |
| 3. 向量召回 | Retriever | 基于 query 向量從 Redis Vector Database 召回最相關(guān)的文檔 |
| 4. 返回結(jié)果 | schema.Document | 返回 []*schema.Document 列表，包含召回的文本內(nèi)容 |
-
ChatModel基于配置需要或者自行判斷是否使用tool中的函數(shù)調(diào)用，如果需要，由eino框架執(zhí)行工具調(diào)用 ， 再把結(jié)果塞回 LLM 做最終回答。
image.png
工具調(diào)用代碼示例：
// 1. 聲明工具
weatherTool := tools.NewTool(
"get_weather",
"查詢指定城市天氣",
func(ctx context.Context, city string) (string, error) {
// 這里可調(diào)用真實天氣 API
return "北京：晴 28℃", nil
},
)
// 2. 構(gòu)建 Agent
ag, _ := agent.NewAgent(
chatModel,
agent.WithTools(weatherTool),
)
// 3. 運(yùn)行
resp, _ := ag.Generate(ctx, []*schema.Message{
schema.UserMessage("北京今天天氣如何？"),
})
fmt.Println(resp.Content) // → 北京今天晴，最高氣溫 28℃
| 角色 | 職責(zé) | 代碼示例 |
|---|---|---|
| Tool | 聲明函數(shù)名、描述、參數(shù)結(jié)構(gòu)，真正實現(xiàn)邏輯 | func GetWeather(location string) (string, error) |
| Agent | 負(fù)責(zé)循環(huán)：監(jiān)聽 LLM → 解析 tool_calls → 執(zhí)行工具 → 回傳結(jié)果 | agent.NewAgent(chatModel, tools...) |
