组件

• ChatModel‌：与大模型交互的核心组件，支持生成式对话（Generate）和流式输出（Stream），部分实现还支持工具调用（ToolCallingChatModel）
• Tool‌：扩展大模型能力的工具，可调用外部 API、数据库、文件系统等，支持同步（Invoke）和流式（Stream）两种范式
• Retriever‌：从向量库或文档库中检索与查询相关的文档片段，常用于 RAG 场景。
• Embedding‌：将文本转换为向量表示，用于语义搜索和向量索引。
• Indexer‌：负责存储和索引文档向量，支持 Redis、Milvus 等向量数据库。 ‌- Document Loader‌：加载并解析多种格式的原始文档（如 PDF、Markdown、TXT 等），统一为schema.Document 结构。
• Document Transformer‌：对文档进行切分、过滤或格式转换，如按标题、递归或语义切分。
• ChatTemplate‌：管理提示词模板，支持 FString、GoTemplate、Jinja2 等语法，便于动态构建系统提示

基础知识 or 概念扫盲

角色	作用
system	系统指令，设定 AI 的行为、角色、约束规则（如"你是专业助手"）
user	用户输入，代表人类的问题或指令
assistant	AI 模型的回复内容
tool	工具执行返回的结果（如查询天气后的返回数据）

• 典型的对话流程

js
system: 你是一个天气助手，用中文回答
  ↓
user: 北京今天天气怎么样？
  ↓
assistant: [思考中... 需要调用工具] → ToolCalls 触发 get_weather
  ↓
tool: {"temperature": "25°C", "condition": "晴"}
  ↓
assistant: 北京今天晴天，25°C，适合外出