Day 2：Eino Chain链式处理——让文档自己说话

今天做什么

用 Eino Chain 把文档处理的三个步骤串成流水线：提取 → 分析 → 总结。

代码

package main

import (
    "context"
    "fmt"
    "strings"

    "github.com/cloudwego/eino/components/model"
    "github.com/cloudwego/eino/compose"
    "github.com/cloudwego/eino/schema"
)

// ===== 分析 Chain =====
func buildAnalysisChain(ctx context.Context) (*compose.Runnable[[]*schema.Message, *schema.Message], error) {
    // 创建模型（先用 Mock）
    llm := &MockChatModel{}

    // Chain 步骤1：提取关键信息
    extractPrompt := `请从以下文档中提取3-5个核心要点，每个要点一句话：
文档内容：
{document}`

    // Chain 步骤2：分析每个要点
    analyzePrompt := `基于以下要点，分析该文档反映的趋势和问题：
要点：
{extracted}`

    // Chain 步骤3：生成总结
    summaryPrompt := `你是一个专业的文档分析师。请基于分析结果，用2-3句话给出一份总结：
分析：
{analysis}`

    // 用 Eino Chain 串起来
    chain := compose.NewChain[map[string]any, *schema.Message]().
        AppendLambda(extractKeyPoints(llm, extractPrompt)).
        AppendLambda(analyzePoints(llm, analyzePrompt)).
        AppendLambda(generateSummary(llm, summaryPrompt)).
        AppendChatModel(llm) // 最后让 LLM 润色

    return chain.Compile(ctx)
}

func extractKeyPoints(model ChatModel, promptTemplate string) compose.Lambda {
    return func(ctx context.Context, input map[string]any) (map[string]any, error) {
        doc := input["document"].(string)
        prompt := strings.Replace(promptTemplate, "{document}", doc, 1)

        result, err := model.Generate(ctx, []*schema.Message{
            schema.UserMessage(prompt),
        })
        if err != nil {
            return nil, err
        }
        return map[string]any{"extracted": result.Content}, nil
    }
}

// 类似实现 analyzePoints 和 generateSummary ...

func main() {
    ctx := context.Background()
    chain, err := buildAnalysisChain(ctx)
    if err != nil {
        panic(err)
    }

    doc := `2025年Q1财报：营收5.2亿元，同比增长18%。
    研发投入1.1亿元，占营收21%。AI业务营收增长最快，同比+45%。`

    result, err := chain.Invoke(ctx, map[string]any{
        "document": doc,
    })
    fmt.Println("📊 分析结果:\n", result.Content)
}

运行

go run main.go

你学到了什么

1. Eino Chain 把多个步骤串成流水线——每一步的输出自动成为下一步的输入。
2. Lambda 节点：compose.Lambda 让你在 Chain 里插入自定义逻辑。
3. Mock 先行：先用 Mock LLM 跑通流程，再切换真实模型。

明天的预告

一台机器处理一份文档没问题——但如果是 50 份文档呢？明天发挥 Go 的并发优势：goroutine 同时分析 50 份文档。

---

Day 2 完成。Chain 跑通了。