agency

GitHub
506 35 简单 1 次阅读 昨天MIT数据工具语言模型Agent图像开发框架
AI 解读 由 AI 自动生成,仅供参考

Agency 是一款专为 Go 语言开发者打造的开源库,旨在以简洁、高效且符合 Go 语言习惯的方式,探索大语言模型(LLM)及其他生成式 AI 的潜力。它解决了当前 Go 生态中缺乏原生 AI 开发工具的痛点,避免了直接移植 Python 库(如 LangChain)时可能出现的风格水土不服和代码冗余问题。

无论是构建基础聊天机器人,还是开发涉及 RAG(检索增强生成)、多模态处理及自主智能体协同的复杂系统,Agency 都能提供灵活支持。其核心优势在于坚持“纯 Go"实现,利用静态类型保障代码安全与性能;倡导整洁架构,将业务逻辑与具体实现解耦;并支持通过拦截器观察执行流程,轻松组合自定义操作。

如果你是一名熟悉 Go 语言的工程师或技术研究员,希望在不依赖 Python 或 JavaScript 环境下快速落地生成式 AI 应用,Agency 将是你理想的开发伙伴。它用轻量级的核心设计和直观的 API,让构建高性能、可维护的 AI 系统变得简单而优雅。

使用场景

某后端团队正在为电商系统构建一个能自动处理用户退货请求并生成分析报告的智能客服模块。

没有 agency 时

  • 开发人员被迫在 Go 项目中嵌入 Python 脚本或调用外部微服务来对接大模型,导致架构臃肿且维护困难。
  • 缺乏原生的类型安全支持,API 响应数据需要大量手动解析和断言,运行时错误频发。
  • 难以将“识别意图”、“查询订单”、“生成回复”等多个步骤串联成清晰的工作流,代码逻辑耦合严重。
  • 调试复杂的多轮对话过程如同黑盒,无法方便地拦截和观察每一步的输入输出状态。

使用 agency 后

  • 直接利用纯 Go 编写的 agency 库集成大模型能力,无需引入异构语言环境,保持了技术栈的统一与轻量。
  • 得益于静态类型设计,消息结构和操作接口编译期即可校验,大幅减少了因字段缺失导致的线上故障。
  • 通过简单的接口实现自定义操作,并能将多个原子操作灵活组合成清晰的自动化流程,业务逻辑一目了然。
  • 利用内置的拦截器(interceptors)机制,轻松监控对话链路的每个环节,快速定位问题并优化代理行为。

agency 让 Go 开发者能以地道、高效的方式构建复杂的自主 AI 代理,彻底告别了在大模型应用中“凑合用”的尴尬局面。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows
GPU

未说明

内存

未说明

依赖
notes这是一个纯 Go (Golang) 编写的库,不依赖 Python 环境。运行时需要安装 Go 语言环境。默认示例使用 OpenAI API,因此需要配置 OPENAI_API_KEY 环境变量并具备网络连接。由于是调用远程 API,本地无需 GPU 或大显存支持,具体资源需求取决于所使用的 LLM 服务提供商。
python不需要
github.com/neurocult/agency
github.com/joho/godotenv
agency hero image

快速开始

Agency:通往 AI 的 Go 之路

这是一个专为开发者设计的库,旨在通过简洁、高效且符合 Go 语言习惯的方式,探索大型语言模型(LLMs)及其他生成式 AI 的潜力。

欢迎来到 Agency! 🕵️‍♂️

Agency 库的吉祥物德古拉特工。

💻 快速入门

安装包:

go get github.com/neurocult/agency

聊天示例:

package main

import (
	"bufio"
	"context"
	"fmt"
	"os"

	_ "github.com/joho/godotenv/autoload"

	"github.com/neurocult/agency"
	"github.com/neurocult/agency/providers/openai"
)

func main() {
	assistant := openai.
		New(openai.Params{Key: os.Getenv("OPENAI_API_KEY")})
		.TextToText(openai.TextToTextParams{Model: "gpt-4o-mini"})
		.SetPrompt("你是一位乐于助人的助手。")

	messages := []agency.Message{}
	reader := bufio.NewReader(os.Stdin)
	ctx := context.Background()

	for {
		fmt.Print("用户:")

		text, err := reader.ReadString('\n')
		if err != nil {
			panic(err)
		}

		input := agency.NewTextMessage(agency.UserRole, text)
		answer, err := assistant.SetMessages(messages).Execute(ctx, input)
		if err != nil {
			panic(err)
		}

		fmt.Println("助手:", string(answer.Content()))

		messages = append(messages, input, answer)
	}
}

就是这样!

更多复杂用例,包括 RAG 和多模态操作,请参阅 examples

🚀 特性

纯 Go 实现:速度快、轻量级、静态类型,无需纠结于 Python 或 JavaScript。

✨ 通过将业务逻辑与具体实现分离,编写 整洁代码 并遵循 整洁架构

✨ 通过实现简单接口,轻松创建 自定义操作

✨ 将操作 组合成流程,并通过 拦截器 观察每一步。

OpenAI API 绑定(可用于任何兼容 OpenAI 的 API:文本到文本(完成)、文本到图像、文本到语音、语音到文本)。

🤔 为什么需要 Agency?

Agency 的核心愿景是赋能用户构建自主智能体。尽管它 适用于各种生成式 AI 应用场景,从聊天界面到复杂的数据分析,但我们的库最终目标是简化自主 AI 系统的开发。无论您是在构建单个助手,还是协调智能体群,Agency 都能提供所需的工具和灵活性,让您轻松高效地实现这些先进概念。

在生成式 AI 领域,基于 Go 的库并不多见。最著名的当属 LangChainGo,它是 Python LangChain 的 Go 版本。然而,将 Python 代码直接移植到 Go 中往往显得笨拙,且难以契合 Go 的语言习惯。此外,即使在 Python 生态中,LangChain 的设计也备受质疑。这一现状凸显了对符合 Go 语言风格的替代方案的迫切需求。

我们的目标正是填补这一空白,打造一个以 Go 为中心、强调简洁代码、避免不必要复杂性的库。Agency 拥有一个小巧而强大的核心,易于扩展,完美契合 Go 在静态类型和性能方面的优势。这是我们对生成式 AI 领域缺乏原生 Go 解决方案的回应。

教程

🛣 路线图

在接下来的版本中:

  • 支持外部函数调用
  • 元数据(使用的 token 数量、音频时长等)
  • 更多提供商适配器,而不仅仅是 OpenAI
  • 图像到文本操作
  • 强大的自主智能体 API
  • 标签和 JSON 输出解析器

版本历史

v0.5.02024/12/30
v0.4.02024/12/30
v0.3.02024/04/13
v0.2.02024/04/03
v0.1.02023/11/24

常见问题

相似工具推荐

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。

162.1k|★★★☆☆|昨天
开发框架图像Agent

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

140.4k|★★☆☆☆|今天
开发框架Agent语言模型

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。

107.7k|★★☆☆☆|3天前
开发框架图像Agent

Deep-Live-Cam

Deep-Live-Cam 是一款专注于实时换脸与视频生成的开源工具,用户仅需一张静态照片,即可通过“一键操作”实现摄像头画面的即时变脸或制作深度伪造视频。它有效解决了传统换脸技术流程繁琐、对硬件配置要求极高以及难以实时预览的痛点,让高质量的数字内容创作变得触手可及。 这款工具不仅适合开发者和技术研究人员探索算法边界,更因其极简的操作逻辑(仅需三步:选脸、选摄像头、启动),广泛适用于普通用户、内容创作者、设计师及直播主播。无论是为了动画角色定制、服装展示模特替换,还是制作趣味短视频和直播互动,Deep-Live-Cam 都能提供流畅的支持。 其核心技术亮点在于强大的实时处理能力,支持口型遮罩(Mouth Mask)以保留使用者原始的嘴部动作,确保表情自然精准;同时具备“人脸映射”功能,可同时对画面中的多个主体应用不同面孔。此外,项目内置了严格的内容安全过滤机制,自动拦截涉及裸露、暴力等不当素材,并倡导用户在获得授权及明确标注的前提下合规使用,体现了技术发展与伦理责任的平衡。

88.9k|★★★☆☆|今天
开发框架图像Agent

NextChat

NextChat 是一款轻量且极速的 AI 助手,旨在为用户提供流畅、跨平台的大模型交互体验。它完美解决了用户在多设备间切换时难以保持对话连续性,以及面对众多 AI 模型不知如何统一管理的痛点。无论是日常办公、学习辅助还是创意激发,NextChat 都能让用户随时随地通过网页、iOS、Android、Windows、MacOS 或 Linux 端无缝接入智能服务。 这款工具非常适合普通用户、学生、职场人士以及需要私有化部署的企业团队使用。对于开发者而言,它也提供了便捷的自托管方案,支持一键部署到 Vercel 或 Zeabur 等平台。 NextChat 的核心亮点在于其广泛的模型兼容性,原生支持 Claude、DeepSeek、GPT-4 及 Gemini Pro 等主流大模型,让用户在一个界面即可自由切换不同 AI 能力。此外,它还率先支持 MCP(Model Context Protocol)协议,增强了上下文处理能力。针对企业用户,NextChat 提供专业版解决方案,具备品牌定制、细粒度权限控制、内部知识库整合及安全审计等功能,满足公司对数据隐私和个性化管理的高标准要求。

87.6k|★★☆☆☆|昨天
开发框架语言模型

ML-For-Beginners

ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。

85k|★★☆☆☆|昨天
图像数据工具视频