Go AI 框架怎么选？Eino vs LangChainGo vs Genkit vs GoAI SDK 横评（附选型决策清单）

引言：为什么需要框架

系列前四篇我们全部用标准库 + 官方 SDK 手写：HTTP 调模型（第 1 篇）、工具调用循环（第 2 篇）、向量检索（第 3 篇）、SSE 流式转发（第 4 篇）。手写的好处是理解底层，但当应用复杂起来——多步工具调用、人机协同中断、多模型路由、RAG 管道——全部自己造轮子成本很高。

本文对当前 Go 生态最主流的四个 LLM 应用框架做一次横评：Eino（字节跳动 CloudWeGo）、LangChainGo（LangChain 的 Go 移植）、Genkit Go（Google）、GoAI SDK（社区新锐，对标 Vercel AI SDK）。所有版本号均为发文当天从 GitHub releases 页面逐一核对，代码示例全部摘自各项目官方 README，可以直接运行。

一、四框架速览

一句话概括：Eino 像 Spring（全家桶、重编排），LangChainGo 像早期的 LangChain Go 版移植，Genkit 像 Firebase 风格的工程化框架，GoAI 像 Vercel AI SDK 的 Go 原生复刻。

二、最小代码对比：同一个任务四种写法

任务相同：调用 OpenAI 模型回答一个问题。四个框架的「Hello World」差异一目了然。

2.1 GoAI SDK：函数即框架

package main

import (
	"context"
	"fmt"
	"log"

	"github.com/zendev-sh/goai"
	"github.com/zendev-sh/goai/provider/openai"
)

func main() {
	// 自动从环境变量 OPENAI_API_KEY 读取密钥
	model := openai.Chat("gpt-4o")

	result, err := goai.GenerateText(context.Background(), model,
		goai.WithPrompt("What is the capital of France?"),
	)
	if err != nil {
		log.Fatal(err)
	}
	fmt.Println(result.Text)
}

没有注册中心、没有初始化，一个函数搞定。它还提供 StreamText、GenerateObject[T]（泛型结构化输出）、Embed 等 8 个核心函数，自动工具循环用 goai.WithMaxSteps(n) 开启。流式用法是 for text := range stream.TextStream()。

2.2 LangChainGo：经典 Chain 风格

package main

import (
	"context"
	"fmt"
	"log"

	"github.com/tmc/langchaingo/llms"
	"github.com/tmc/langchaingo/llms/openai"
)

func main() {
	ctx := context.Background()
	llm, err := openai.New()
	if err != nil {
		log.Fatal(err)
	}
	completion, err := llms.GenerateFromSinglePrompt(ctx, llm,
		"What would be a good company name for a company that makes colorful socks?")
	if err != nil {
		log.Fatal(err)
	}
	fmt.Println(completion)
}

llms.LLM 接口 + 各厂商实现，是四个框架里最贴近「Go interface 惯例」的写法。社区生态成熟，示例多，但高级能力（Agent、复杂编排）基本要自己在 llms 之上搭。

2.3 Genkit Go：注册中心 + 插件

package main

import (
	"context"
	"fmt"
	"log"

	"github.com/firebase/genkit/go/ai"
	"github.com/firebase/genkit/go/genkit"
	"github.com/firebase/genkit/go/plugins/googlegenai"
)

func main() {
	ctx := context.Background()
	g := genkit.Init(ctx, genkit.WithPlugins(&googlegenai.GoogleAI{}))

	answer, err := genkit.GenerateText(ctx, g,
		ai.WithModelName("googleai/gemini-flash-latest"),
		ai.WithPrompt("Why is Go a great language for AI applications?"),
	)
	if err != nil {
		log.Fatal(err)
	}
	fmt.Println(answer)
}

genkit.Init 初始化注册中心，模型、Prompt、工具、Flow 都注册在 g 上，Action 抽象统一了生成、嵌入、评估、检索。官方插件覆盖 Gemini、Claude、OpenAI、Kimi、GLM、Ollama 等，国内模型接入是四个框架里最顺的之一。值得一提的是它的错误分类：用 errors.Is(err, ai.ErrMaxTurnsExceeded) 这类哨兵错误判断失败类型，非常 Go 风格。

2.4 Eino：组件 + 图编排 + ADK

Eino 有两层用法。简单场景用 ADK 的 ChatModelAgent，内部自带 ReAct 工具循环：

chatModel, _ := openai.NewChatModel(ctx, &openai.ChatModelConfig{
	Model:  "gpt-4o",
	APIKey: os.Getenv("OPENAI_API_KEY"),
})

agent, _ := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
	Model: chatModel,
})

runner := adk.NewRunner(ctx, adk.RunnerConfig{Agent: agent})
iter := runner.Query(ctx, "Hello, who are you?")
for {
	event, ok := iter.Next()
	if !ok {
		break
	}
	fmt.Println(event.Message.Content)
}

复杂场景用 compose 建图，节点可以是 Lambda、ChatModel、ToolNode，支持分支、循环与全链路流式透传：

graph := compose.NewGraph[*Input, *Output]()
graph.AddLambdaNode("validate", validateFn)
graph.AddChatModelNode("generate", chatModel)
graph.AddLambdaNode("format", formatFn)

graph.AddEdge(compose.START, "validate")
graph.AddEdge("validate", "generate")
graph.AddEdge("generate", "format")
graph.AddEdge("format", compose.END)

runnable, _ := graph.Compile(ctx)
result, _ := runnable.Invoke(ctx, input)

编好的图还能包成 GraphTool 喂给 Agent，确定性管道和自主行为各归其位——这是 Eino 独有的设计。

三、选型决策清单

对着下面的问题从上往下走，第一个「是」就是答案：

1. 只是给现有 Go 服务加一个 LLM 调用点（翻译、摘要、补全）？→ GoAI SDK 或直接官方 SDK。引入框架的收益覆盖不了依赖成本。
2. 团队已经熟 LangChain 概念，应用是简单链式调用？→ LangChainGo。学习资料最多，但别指望它有强 Agent 能力。
3. 深度用 Gemini / Google Cloud，需要 Prompt 文件、评估、观测一条龙？→ Genkit Go。v1.x 已经稳定，插件体系对国产模型（Kimi、GLM、DeepSeek、Qwen）支持也好。
4. 要建复杂的 LLM 流水线（RAG 管道、多分支审批流、人机协同中断恢复），或者要搭生产级多 Agent 系统？→ Eino。概念多、学习曲线陡，但图编排 + ADK 的上限是四个里最高的。
5. 纠结选哪个 → 先用 GoAI SDK 把原型跑通，业务验证后再按第 4 条迁移到 Genkit 或 Eino。四个框架的抽象（Model/Tool/Prompt）高度同构，迁移成本主要在编排层。

四、几个容易忽略的工程细节

• 流式语义：LangChainGo 和 GoAI 把流式当作「回调/通道」处理；Eino 和 Genkit 把流式编排在类型系统里（iter.Seq2、StreamValue），全链路流式（模型→编排→HTTP→浏览器）Eino 做得最完整，这也是第 4 篇手写 SSE 时最痛的点。
• 人机协同：Eino ADK 的 Interrupt/Resume 与 Genkit 的 Tool Interrupt 都支持工具执行到一半暂停等人审批，LangChainGo 和 GoAI 需要自己管理状态。
• 可观测性：Genkit 有内置评估与 Tracing；Eino 有 Callback Aspects 挂接点；GoAI 内置 Langfuse/OTel 集成。LangChainGo 相对薄弱，需要自己接。
• 依赖体积：GoAI 宣称核心只依赖 golang.org/x/oauth2 和 github.com/coder/websocket，冷启动比 Vercel AI SDK 快 24 倍（其官方 benchmark，场景为 Node 对照）；Eino/Genkit 模块多一些，但都在可接受范围。

版本说明

本文涉及的全部版本号均于 2026-11-10 逐字抄录自各项目官方 releases / pkg.go.dev 页面，安装时请以下列版本为准：

官方文档：Eino（cloudwego.io/docs/eino）、LangChainGo（tmc.github.io/langchaingo）、Genkit Go（genkit.dev/docs/overview/?lang=go）、GoAI（goai.sh）。各示例代码均摘自对应版本官方 README。

本文是「Go AI 应用开发」系列第 5 篇（共 18 篇规划），阶段二「Go AI 框架」开篇。上一篇：《SSE 流式输出教程：用 Go 实现大模型打字机效果》；系列前篇：《大模型 API 基础》、《Function Calling 教程》、《Embedding 与语义检索》。下一篇预告：《Eino 入门：构建你的第一个 Chain》。

📮 关注公众号「GO语言入门之路」

每周更新 Go + AI 应用开发实战：AI 面试官完整项目、MCP、Agent 工程化，完整源码随文章首发。

微信扫码，或搜索「GO语言入门之路」关注，第一时间获取系列更新与源码，不再错过任何一篇。