名字来源于：《战神》游戏以希腊神话为背景，讲述奎托斯（Kratos）由凡人成为战神并展开弑神屠杀的冒险经历，Blades 是奎托斯的标志性武器。
在人工智能浪潮席卷全球的今天，大型语言模型（LLM）正在重塑软件开发的边界。然而，对于广大的 Go 开发者而言，一个普遍的痛点是：主流的 LLM 应用框架（如 LangChain）大多基于 Python，这使得在以 Go 为主要技术栈的团队中开发 Agent 应用变得不那么“原生”和高效。
为了解决这个挑战，今天我带着我的新作品来了，它就是Blades! Blades 是一个专为 Go 语言设计的、用于构建 AI Agent 应用的现代化框架。目处于初期阶段，当前已支持自定义模型、工具、记忆体、中间件等功能，适用于多轮对话、链式推理和结构化输出等场景。它保持着 Kratos 一贯的设计美学，结合 Go 语言的特性，提供了灵活且高效的 AI Agent 解决方案。
- Go Idiomatic：完全依照 Go 的思维方式构建，代码风格、使用体验都让 Go 开发者感到亲切。
- 使用简单：通过简洁的代码生命，定义 AI Agent，实现需求快速交付，让复杂的逻辑变得清晰、易于管理和维护。
- 中间件生态：借鉴 Kratos 的中间件设计理念，无论是 Observability、Guardrails，都可以方便地集成到 AI Agent。
- 高度可扩展：通过统一的接口和可插拔的组件，实现高度的解耦和可扩展性，方便集成不同的 LLM 模型和外部工具。
架构
当前 Blades 主要由以下模块组成：
- Agent (智能体)：执行任务的核心单元，可以调用模型和工具。
- Prompt (提示词)：用于与 LLM 交互的模板化文本，支持动态变量替换和复杂的上下文构建。
- Chain (链)：将多个 Agent 或其他 Chain 串联起来，形成复杂的工作流。
- ModelProvider (模型)：可插拔的 LLM 接口，您可以轻松切换和集成不同的语言模型服务（如 OpenAI 等）。
- Tool (工具)：Agent 可以使用的外部能力，例如调用 API、查询数据库、访问文件系统等。
- Memory (记忆)：为 Agent 提供短期或长期的记忆能力，实现具备上下文的连续对话。
- Middleware (中间件)：类似于 Web 框架中的中间件，可以实现对 Agent 的横切面控制。
核心接口
其中Runner是 Blades 框架中最核心的接口，它定义了所有可执行组件的基本行为。
// Runner represents an entity that can process prompts and generate responses.type Runner interface { // Run 执行一个同步的、非流式的操作，返回一个完整的 Generation 结果。 Run(context.Context, *Prompt, ...ModelOption) (*Generation, error) // RunStream 执行一个异步的、流式的操作，返回一个 Streamer，用于逐步接收 Generation 结果。 RunStream(context.Context, *Prompt, ...ModelOption) (Streamer[*Generation], error)}其设计旨在提供一个统一的执行范式，通过Run和RunStream方法，实现了框架内各种功能模块的解耦、标准化和高度可组合性。Agent、Chain、ModelProvider等组件都实现了此接口，从而统一了它们的执行逻辑，使得不同组件能够像乐高积木一样灵活组合，构建复杂的 AI Agent。
ModelProvider
ModelProvider是Blades框架与底层大语言模型（LLM）进行交互的核心抽象层。其设计目标在于通过统一的接口实现解耦和扩展性，使得框架核心逻辑与特定模型（如 OpenAI, DeepSeek, Gemini 等）的实现细节分离。
其他模块设计，不再一一赘述，可以阅读代码，了解细节。
动手做一个电影推荐 Agent
下面我们通过一个简单的例子，来展示如何使用 Blades 构建一个电影推荐 Agent。这个 Agent 会推荐一个中国明星，并列出他/她主演过的电影。
package mainimport ( "context" "log" "github.com/go-kratos/blades" "github.com/go-kratos/blades/contrib/openai")funcmain() { agent := blades.NewAgent( "Template Agent", blades.WithModel("qwen-plus"), blades.WithProvider(openai.NewChatProvider()), ) // Define templates and params params := map[string]any{ "actor": "成龙", "movies": "10", } // Build prompt using the template builder // Note: Use exported methods when calling from another package. prompt, err := blades.NewPromptTemplate(). System("你是一个电影电视剧推荐大师，根据用户信息进行推荐 {{.movies}} 作品。", params). User("请为我推荐 {{.actor}} 的电影，请按照“标题（年份）、类型/风格 、推荐理由”的格式输出。", params). Build() if err != nil { log.Fatal(err) } log.Println("Generated Prompt:", prompt.String()) // Run the agent with the templated prompt result, err := agent.Run(context.Background(), prompt) if err != nil { log.Fatal(err) } log.Println(result.AsText())}执行程序后，你会得到类似如下的输出：
2025/09/25 22:12:34 Generated Prompt: [Text: 你是一个电影电视剧推荐大师，根据用户信息进行推荐 10 作品。)][Text: 请为我推荐 成龙 的电影，请按照“标题（年份）、类型/风格 、推荐理由”的格式输出。)]2025/09/25 22:12:34 Processing message: system [{你是一个电影电视剧推荐大师，根据用户信息进行推荐 10 作品。}]2025/09/25 22:12:34 Processing message: user [{请为我推荐 成龙 的电影，请按照“标题（年份）、类型/风格 、推荐理由”的格式输出。}]2025/09/25 22:13:00 当然可以！以下是10部成龙的经典电影推荐，涵盖动作、喜剧、冒险等多种风格，展现他独特的“功夫喜剧”魅力与特技表演：1. **《警察故事》（1985）** - 类型/风格：警匪 / 动作 / 犯罪 - 推荐理由：被誉为成龙最具代表性的作品之一，高难度实拍动作场面震撼影史，商场追击戏成为经典，充分展现其拼命三郎的敬业精神。2. **《A计划》（1983）** - 类型/风格：动作 / 喜剧 / 冒险 - 推荐理由：融合维多利亚时代背景与惊险钟楼跳伞戏，动作设计极具创意，幽默与紧张并存，是早期动作喜剧的巅峰之作。....说在最后
邀请所有 Go 开发者和 AI 爱好者访问我们的 GitHub 仓库，亲自体验 Blades 带来的开发乐趣。
- GitHub 仓库: https://github.com/go-kratos/blades
给项目一个 ⭐️ Star，探索 examples 目录下的更多用法，或者直接上手构建您的第一个 Go LLM 应用吧！
项目当前处于初期阶段，持续迭代中，期待反馈、建议和贡献
想入门 AI 大模型却找不到清晰方向？备考大厂 AI 岗还在四处搜集零散资料？别再浪费时间啦！2025 年AI 大模型全套学习资料已整理完毕，从学习路线到面试真题，从工具教程到行业报告，一站式覆盖你的所有需求，现在全部免费分享！
👇👇扫码免费领取全部内容👇👇
一、学习必备：100+本大模型电子书+26 份行业报告 + 600+ 套技术PPT，帮你看透 AI 趋势
想了解大模型的行业动态、商业落地案例？大模型电子书？这份资料帮你站在 “行业高度” 学 AI：
1. 100+本大模型方向电子书
2. 26 份行业研究报告：覆盖多领域实践与趋势
报告包含阿里、DeepSeek 等权威机构发布的核心内容，涵盖：
- 职业趋势：《AI + 职业趋势报告》《中国 AI 人才粮仓模型解析》；
- 商业落地：《生成式 AI 商业落地白皮书》《AI Agent 应用落地技术白皮书》；
- 领域细分：《AGI 在金融领域的应用报告》《AI GC 实践案例集》；
- 行业监测：《2024 年中国大模型季度监测报告》《2025 年中国技术市场发展趋势》。
3. 600+套技术大会 PPT：听行业大咖讲实战
PPT 整理自 2024-2025 年热门技术大会，包含百度、腾讯、字节等企业的一线实践：
- 安全方向：《端侧大模型的安全建设》《大模型驱动安全升级（腾讯代码安全实践）》；
- 产品与创新：《大模型产品如何创新与创收》《AI 时代的新范式：构建 AI 产品》；
- 多模态与 Agent：《Step-Video 开源模型（视频生成进展）》《Agentic RAG 的现在与未来》；
- 工程落地：《从原型到生产：AgentOps 加速字节 AI 应用落地》《智能代码助手 CodeFuse 的架构设计》。
二、求职必看：大厂 AI 岗面试 “弹药库”，300 + 真题 + 107 道面经直接抱走
想冲字节、腾讯、阿里、蔚来等大厂 AI 岗？这份面试资料帮你提前 “押题”，拒绝临场慌！
1. 107 道大厂面经：覆盖 Prompt、RAG、大模型应用工程师等热门岗位
面经整理自 2021-2025 年真实面试场景，包含 TPlink、字节、腾讯、蔚来、虾皮、中兴、科大讯飞、京东等企业的高频考题，每道题都附带思路解析：
2. 102 道 AI 大模型真题：直击大模型核心考点
针对大模型专属考题，从概念到实践全面覆盖，帮你理清底层逻辑：
3. 97 道 LLMs 真题：聚焦大型语言模型高频问题
专门拆解 LLMs 的核心痛点与解决方案，比如让很多人头疼的 “复读机问题”：
![]()
三、路线必明： AI 大模型学习路线图，1 张图理清核心内容
刚接触 AI 大模型，不知道该从哪学起？这份「AI大模型 学习路线图」直接帮你划重点，不用再盲目摸索！
路线图涵盖 5 大核心板块，从基础到进阶层层递进：一步步带你从入门到进阶，从理论到实战。
L1阶段:启航篇丨极速破界AI新时代
L1阶段：了解大模型的基础知识，以及大模型在各个行业的应用和分析，学习理解大模型的核心原理、关键技术以及大模型应用场景。
L2阶段：攻坚篇丨RAG开发实战工坊
L2阶段：AI大模型RAG应用开发工程，主要学习RAG检索增强生成：包括Naive RAG、Advanced-RAG以及RAG性能评估，还有GraphRAG在内的多个RAG热门项目的分析。
L3阶段：跃迁篇丨Agent智能体架构设计
L3阶段：大模型Agent应用架构进阶实现，主要学习LangChain、 LIamaIndex框架，也会学习到AutoGPT、 MetaGPT等多Agent系统，打造Agent智能体。
L4阶段：精进篇丨模型微调与私有化部署
L4阶段：大模型的微调和私有化部署，更加深入的探讨Transformer架构，学习大模型的微调技术，利用DeepSpeed、Lamam Factory等工具快速进行模型微调，并通过Ollama、vLLM等推理部署框架，实现模型的快速部署。
L5阶段：专题集丨特训篇 【录播课】
![]()
四、资料领取：全套内容免费抱走，学 AI 不用再找第二份
不管你是 0 基础想入门 AI 大模型，还是有基础想冲刺大厂、了解行业趋势，这份资料都能满足你！
现在只需按照提示操作，就能免费领取：
👇👇扫码免费领取全部内容👇👇
2025 年想抓住 AI 大模型的风口？别犹豫，这份免费资料就是你的 “起跑线”！
