项目概述¶
在 AI 爆发的时代，开发者往往会面临以下痛点：
- 模型生态碎片化：今天用 OpenAI，明天想换 Anthropic（Claude）或 DeepSeek，但各个厂家的 API 结构、流式格式、甚至工具调用（Tool Calling）的规范都大相径庭，导致代码重构成本极高。
- 本地部署过于笨重：仅仅为了做文本向量化（Embedding）或简单的本地推理，就必须在服务器上额外部署 Ollama 甚至繁重的 Python 环境。
- 复杂业务代码变成“意大利面”：在构建 RAG（检索增强生成）或 Agent 智能体时，大量的 Prompt 拼接、API 调用、条件判断和重试逻辑交织在一起，代码迅速腐化且难以维护。
GoChat 正是为了彻底解决这些痛点而生。它不仅仅是一个 API Wrapper，而是一个现代化的、类型安全的 Go 语言大模型应用开发框架。它将多模型调度、本地向量化、复杂工作流编排完美融合在一个轻量级的 Go 库中。
核心特性¶
终极的“一次编写，到处运行”¶
使用 GoChat，您无需再去查阅不同模型厂商晦涩的 API 文档。
- 抹平厂商差异：无论是 OpenAI、Anthropic 还是国内的 Qwen、Deepseek、MiniMax，GoChat 将它们全部抽象为统一的
core.Client接口。 - 强化的 Tool Calling：不同大模型对函数调用（Function Calling）的底层 JSON 结构定义千奇百怪。GoChat 提供了一套统一的
core.Tool和core.ToolCall抽象，您只需定义一次工具，即可在所有支持该特性的模型间无缝切换。 - 内置韧性：遇到网络限流（HTTP 429）或超时？开发者无需手写
for循环，底层自动触发带抖动的指数退避（Exponential Backoff）重试。
脱离 Ollama 依赖的“零配置”向量化¶
如果您的核心诉求是向量检索（RAG），GoChat 的 Embedding 模块将是您的超级利器：
- 无需外部服务：直接基于 ONNX Runtime 在本地执行向量化，彻底摆脱对 Ollama 或任何外部 Python 服务的依赖。将 AI 能力内嵌到您的单体 Go 二进制文件中，极大地简化了部署拓扑。
- 内置模型下载器：还在为去 HuggingFace 寻找、比对、下载模型而烦恼？GoChat 提供了傻瓜式的
embedding.WithBEG/WithBERT工厂方法，只需提供名字，框架会在本地缺失时自动连接远端完成多文件分片下载与加载。 - 工业级批处理：内置
BatchProcessor，支持针对海量文本的并发分批处理，并且自动对相同文本进行哈希缓存，避免重复计算浪费 CPU。
将极其复杂的逻辑变优雅¶
Agent 和 RAG 系统的本质是“多步思考”与“数据流转”。GoChat 提供了一套极具表现力的泛型工作流引擎 (Pipeline)：
- 告别
if err != nil地狱：通过Pipeline.AddStep().AddStep()链式调用，将庞杂的业务逻辑拆分为职责单一的 Step（步骤）。 - 强类型上下文 (Type-Safe Context)：得益于 Go 1.24+ 的泛型支持，您可以在不同的 Step 之间传递自定义的强类型
struct作为上下文，IDE 完美补全，杜绝了传统map[string]any带来的类型转换异常和拼写错误。 - 可编程控制流：内置
IfStep(条件分支) 和LoopStep(循环)，结合原生的 Hook (钩子) 机制，无论多么复杂的“思考-行动-反思”链条，都能被组织得如艺术品般优雅。
典型应用场景¶
- 一站式 AI 聚合网关：实现一套统一标准对接全球主流 LLM 提供商的服务代理。
- 重度 RAG (检索增强生成) 系统：使用 Pipeline 串联本地的 Embedding 模块与远程的 LLM 模块，实现无需额外基础设施部署的纯 Go 知识库问答系统。
- 复杂 Agent 智能体：利用统一的 Tool Calling 和 Pipeline 中的循环/条件节点，构建能够调用外部 API、执行自我验证和修正的自治智能体。
技术栈选型¶
- 语言要求：Go 1.18+（推荐 Go 1.24+ 以支持 Pipeline 包的顶级泛型特性）。
- 极简依赖：主要依赖 Go 标准库处理核心协议，仅在向量计算时依赖高性能的 ONNX 运行时抽象。