lingoose
LinGoose 是一个专为 Go 语言开发者设计的开源框架,旨在帮助用户高效构建人工智能(AI)和大语言模型(LLM)应用。它通过提供模块化的架构和灵活的功能抽象,解决了在 Go 生态中集成复杂 AI 能力时代码冗余、耦合度高以及定制困难的问题。开发者可以根据项目需求仅导入必要的模块,或自由选择甚至自定义底层实现,从而从零开始打造完整的 AI 解决方案。
该工具特别适合熟悉 Go 语言的软件工程师和技术团队,尤其是那些希望在后端服务中嵌入智能对话、内容生成或检索增强生成(RAG)功能的场景。LinGoose 的独特亮点在于其“按需组装”的设计理念,既保证了轻量级部署,又保留了极高的扩展性。不过需要注意的是,目前 LinGoose 已停止主动开发,作者建议新项目可关注其继任者 Phero(专注于多智能体系统),但 LinGoose 仍将保持稳定可用,适合维护现有项目或学习 Go 与 AI 结合的早期实践模式。
使用场景
某电商平台的后端团队正利用 Go 语言重构其智能客服系统,需要快速集成大模型能力以处理用户关于订单和退货的复杂咨询。
没有 lingoose 时
- 重复造轮子:开发者需手动封装 HTTP 请求来对接 OpenAI 或 Anthropic 接口,每次更换模型都要重写大量底层代码。
- 上下文管理混乱:多轮对话的历史记录(Thread)需要自行设计数据结构和维护状态,容易出错且难以扩展。
- 模块耦合严重:业务逻辑与特定的 AI 供应商绑定紧密,若想尝试不同厂商的模型,往往需要大幅修改现有架构。
- 缺乏标准化流程:从提示词构建到响应解析没有统一规范,导致团队成员代码风格不一,维护成本高昂。
使用 lingoose 后
- 开箱即用的集成:通过
openai.New()等标准化接口一键调用主流模型,切换供应商只需更改少量配置,无需重写核心逻辑。 - 优雅的线程管理:利用
thread模块轻松构建和管理多轮对话上下文,自动处理消息序列,让状态维护变得清晰简单。 - 高度模块化设计:仅导入所需组件即可构建应用,业务代码与具体实现解耦,灵活适配不同的 AI 功能需求。
- 统一的开发范式:提供从内容构建到生成的完整抽象层,确保团队协作时代码结构一致,显著提升开发效率。
lingoose 让 Go 开发者能以原生般的流畅体验构建模块化、可维护的 AI 应用,将精力从底层对接回归到业务创新本身。
运行环境要求
- Linux
- macOS
- Windows
未说明
未说明

快速开始
[!IMPORTANT] 嗨,LinGoose 的朋友们 🪿
首先,感谢你来到这里。开发 LinGoose 的这段旅程充满乐趣,我也为它如今的模样感到自豪。
诚实地说:LinGoose 已经不再进行积极的开发了。生活变得忙碌起来,AI 领域发展迅速,而我发现自己更想构建一些全新的东西,而不是去修补旧项目。
这个新项目就是 Phero 🐜,一个从零开始打造的、专为多智能体 AI 系统设计的 Go 框架。理念依旧,但基础更加扎实,目标也更为宏大。
不过,LinGoose 并不会消失。它会一直在这里,保持稳定并可供使用。如果你正打算开启新的项目,欢迎加入我们的蚂蚁部落。

🪿 LinGoose

什么是 LinGoose?
LinGoose 是一个用于构建强大 AI/LLM 应用程序的 Go 框架。
- LinGoose 是模块化的 — 你可以只引入你需要的模块来构建自己的应用。
- LinGoose 是功能的抽象层 — 你可以选择自己喜欢的功能实现方式,也可以自己创建新的实现。
- LinGoose 是一套完整的解决方案 — 你可以完全基于 LinGoose 从头开始构建你的 AI/LLM 应用。
你知道吗? 一只鹅 🪿 会用鹅油 ⛽ 给它的车加油!
🚀 请通过在 GitHub 上给这个仓库点个赞 ⭐,并分享给你的朋友,来支持这个项目吧!
快速入门
mkdir example
cd example
go mod init example
- 创建你的第一个 LinGoose 应用
package main
import (
"context"
"fmt"
"github.com/henomis/lingoose/llm/openai"
"github.com/henomis/lingoose/thread"
)
func main() {
myThread := thread.New().AddMessage(
thread.NewUserMessage().AddContent(
thread.NewTextContent("给我讲个关于鹅的笑话"),
),
)
err := openai.New().Generate(context.Background(), myThread)
if err != nil {
panic(err)
}
fmt.Println(myThread)
}
- 安装 Go 依赖
go mod tidy
- 启动示例应用
export OPENAI_API_KEY=your-api-key
go run .
一只鹅用鹅油给它的车加油!
报告问题
如果你认为发现了 bug,或者某些功能没有按照预期工作,请在 GitHub 上提交一个 issue。
贡献
我们非常欢迎贡献!请阅读我们的 贡献指南,了解更多关于如何参与 LinGoose 开发的信息。
博客文章与报道
与作者联系
加入社区
许可证
© Simone Vellei, 2023~`time.Now()` 根据 MIT 许可证 发布
版本历史
v0.3.02024/11/02v0.2.1-alpha.22024/09/10v0.2.1-alpha.12024/06/28v0.0.13-alpha.12023/11/08v0.0.122023/11/05v0.0.12-alpha.12023/11/02v0.2.02024/05/20v0.2.0-alpha.12024/05/18v0.1.22024/03/26v0.1.2-beta.12024/03/15v0.1.12024/03/08v0.1.1-beta.12024/03/08v0.1.02024/02/05v0.1.0-beta.12024/02/05v0.0.13-alpha.32024/02/02v0.0.13-alpha.22023/12/17v0.0.112023/09/21v0.0.11-beta12023/09/16v0.0.11-alpha12023/09/06v0.0.102023/08/22常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
gemini-cli
gemini-cli 是一款由谷歌推出的开源 AI 命令行工具,它将强大的 Gemini 大模型能力直接集成到用户的终端环境中。对于习惯在命令行工作的开发者而言,它提供了一条从输入提示词到获取模型响应的最短路径,无需切换窗口即可享受智能辅助。 这款工具主要解决了开发过程中频繁上下文切换的痛点,让用户能在熟悉的终端界面内直接完成代码理解、生成、调试以及自动化运维任务。无论是查询大型代码库、根据草图生成应用,还是执行复杂的 Git 操作,gemini-cli 都能通过自然语言指令高效处理。 它特别适合广大软件工程师、DevOps 人员及技术研究人员使用。其核心亮点包括支持高达 100 万 token 的超长上下文窗口,具备出色的逻辑推理能力;内置 Google 搜索、文件操作及 Shell 命令执行等实用工具;更独特的是,它支持 MCP(模型上下文协议),允许用户灵活扩展自定义集成,连接如图像生成等外部能力。此外,个人谷歌账号即可享受免费的额度支持,且项目基于 Apache 2.0 协议完全开源,是提升终端工作效率的理想助手。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器