RuleGo
目录

AI 智能体开发框架概述

RuleGo AI (opens new window) 智能体开发框架是一套基于 RuleGo (opens new window) 构建的声明式智能体开发框架。它将 AI 智能体定义为可编排的规则链，融合了 LLM 推理能力与规则引擎的确定性编排能力，提供了工具系统、技能系统、AOP 切面、会话管理和 MCP 集成等企业级特性。

# 为什么选择 RuleGo

大多数 AI 智能体框架需要编写代码来定义智能体。RuleGo 的核心差异：只需编写 JSON，修改后实时生效，无需编译部署。

以创建一个带工具的智能体为例：

Eino（Go 代码）——需要编写代码，编译后才能运行：

chatModel, _ := openai.NewChatModel(ctx, &openai.ChatModelConfig{
    Model: "gpt-4o", APIKey: os.Getenv("OPENAI_API_KEY"),
})
agent, _ := adk.NewChatModelAgent(ctx, &adk.ChatModelAgentConfig{
    Model: chatModel,
    ToolsConfig: adk.ToolsConfig{ToolsNodeConfig: compose.ToolsNodeConfig{
        Tools: []tool.BaseTool{weatherTool, bashTool},
    }},
})
runner := adk.NewRunner(ctx, adk.RunnerConfig{Agent: agent})
iter := runner.Query(ctx, "北京天气怎么样？")
1
2
3
4
5
6
7
8
9
10
11

每次修改配置（换模型、加工具、改提示词）→ 改代码 → 编译 → 重新部署。

RuleGo（JSON 配置）——无需写代码，修改即生效：

{
  "ruleChain": {"id": "weather-agent", "name": "天气助手"},
  "metadata": {
    "firstNodeIndex": 0,
    "nodes": [
      {
        "id": "node_agent",
        "type": "ai/agent",
        "configuration": {
          "url": "https://ai.gitee.com/v1",
          "key": "${global.api_key}",
          "model": "GLM-5",
          "systemPrompt": "你是一个天气助手。",
          "tools": [
            {"type": "builtin", "name": "bash", "config": {"workDir": "/data/workspace"}}
          ]
        }
      },
      {"id": "node_end", "type": "end", "name": "End"}
    ],
    "connections": [
      {"fromId": "node_agent", "toId": "node_end", "type": "Success"},
      {"fromId": "node_agent", "toId": "node_end", "type": "Stream"}
    ]
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

通过 API 或可视化编辑器更新 JSON，智能体立即使用新配置，无需重启。

# 概念映射

智能体开发概念 规则链 JSON 路径 说明
智能体 ruleChain 整个规则链就是一个智能体
智能体 ID ruleChain.id 唯一标识，用于 API 调用和智能体间引用
AI 推理引擎 nodes[type=ai/agent] ReAct 循环发生的地方
系统提示词 configuration.systemPrompt 定义智能体行为，支持 ${include()} 从文件加载
工具集 configuration.tools[] 智能体可调用的能力（builtin/mcp/agent/rulechain）
模型配置 configuration.url/key/model 使用哪个 LLM，支持 ${global.xxx} 变量
模型参数 configuration.params temperature、topP 等调优参数
执行结果 connections[type=Success/Stream] 成功/流式输出流转到哪里
错误处理 connections[type=Failure] 失败时流转到哪里
多智能体协作 tools[type=agent] 子智能体即工具，LLM 自动决定何时调用
业务逻辑集成 其他节点（jsFilter、restApiCall 等） 智能体与业务系统联动

ai/agent 节点的完整字段说明，参见 智能体组件。

# 核心理念

# 规则链即智能体

框架的核心设计思想是 "规则链即智能体"。每个 AI 智能体本质上是一个 RuleGo 规则链，其中的 ai/agent 节点负责 LLM 推理和工具调用循环。这意味着：

  • 智能体可以用 JSON 声明式定义，无需编写 Go 代码
  • 智能体可以与其他 RuleGo 节点（JS 过滤器、REST API 调用、转换器等）自由组合
  • 支持通过规则链实现多智能体编排、管道处理和条件路由
  • 智能体配置支持热更新和版本管理

# ReAct 推理循环

框架采用 ReAct（Reasoning + Acting） 模式作为智能体的核心执行范式：

  1. 推理（Reasoning）：LLM 分析当前上下文，决定下一步行动
  2. 行动（Acting）：调用工具执行具体操作（读文件、执行命令、调用 API 等）
  3. 观察（Observation）：获取工具返回结果，作为新的上下文
  4. 循环：重复以上步骤，直到任务完成或达到最大步数

这种模式让智能体能够自主规划任务、选择工具、处理异常，实现复杂的多步推理。

# 能力层级

框架支持从简单到复杂的多种智能体形态。通过组合不同的工具集、切面和编排模式，可以构建不同能力层级的智能体系统：

# L1 — 单轮问答

使用 ai/llm 节点，单次 LLM 调用，无工具调用。适合意图分类、内容生成、文本摘要等简单场景。

{ "type": "ai/llm", "configuration": { "model": "GLM-5", "systemPrompt": "你是摘要助手。" } }
1

# L2 — 工具增强对话

使用 ai/agent 节点 + 内置工具（bash/read/write/edit），智能体进入 ReAct 循环，可以读写文件、执行命令、自主完成多步任务。这是最常见的智能体形态，适用于编程助手、内容生成、数据分析等场景。

{
  "type": "ai/agent",
  "configuration": {
    "maxStep": 50,
    "tools": [
      { "type": "builtin", "name": "bash" },
      { "type": "builtin", "name": "read" },
      { "type": "builtin", "name": "write" },
      { "type": "builtin", "name": "edit" }
    ]
  }
}
1
2
3
4
5
6
7
8
9
10
11
12

# L3 — 多智能体协作

在 L2 基础上，通过 agent 类型工具将多个智能体组合。主智能体可以委派任务给专业子智能体（代码审查、测试生成、文档编写等），实现分工协作。LLM 根据工具描述自动决定何时调用哪个子智能体。

{
  "tools": [
    { "type": "agent", "targetId": "code-reviewer", "name": "code_review", "description": "代码审查" },
    { "type": "agent", "targetId": "test-generator", "name": "generate_tests", "description": "生成测试" }
  ]
}
1
2
3
4
5
6

# L4 — 自主智能体

类似 Claude Code、OpenClaw、Hermes 等高级智能体的形态。在 L3 基础上叠加完整基础设施：

能力 框架支撑 说明
工作区隔离 workDir 配置 每个智能体独立的工作目录，文件系统级隔离
会话记忆 Session 模块 + SessionAspect 多轮对话历史管理、自动压缩、长期记忆
自我进化 工作区文件 + write/edit 工具 智能体通过 ${include()} 加载行为文件，并可自行修改
技能扩展 skill 技能系统 通过 SKILL.md 文件定义可复用的专业能力，智能体可自主学习新技能
心跳调度 外部 HeartbeatService 定时触发智能体主动执行任务（检查待办、发送通知）
多模型切换 DynamicModelWrapper 会话级别动态切换 LLM 模型
MCP 工具集成 MCP 适配器 自动发现和加载 MCP Server 提供的工具
实时可视化 VizAspect + AG-UI 协议 前端实时展示推理过程、工具调用和流式输出
命令拦截 Around 切面 支持 /help、/model 等管理命令，无需消耗 Token

完整的 L4 智能体平台案例，参见 应用案例。

# 架构总览

# 四大核心模块

模块 职责 关键组件
Agent 智能体执行引擎，管理 ReAct 循环和生命周期 ReactAgentNode、AgentAspectExecutor、ToolAgent
Tool 工具注册、创建和执行，为智能体提供能力 ToolRegistry、VisualToolWrapper、RuleGoTool、MCP 适配器
Aspect AOP 横切关注点，可插拔的中间件机制 AspectManager、SessionAspect、VizAspect、LoggingAspect
Session 对话状态管理，历史消息存储和压缩 SessionManager、SessionStorage、CompactionConfig

# 与其他框架对比

# vs Eino（CloudWeGo）

Eino 是本框架的底层依赖，提供 LLM 调用、消息 Schema 和基础 ReAct 实现。RuleGo 智能体框架在 Eino 之上增加了：

能力 Eino RuleGo 智能体框架
智能体定义 Go 代码构建 JSON 声明式配置，支持热更新
编排方式 Graph/Chain/Workflow（代码） 规则链可视化编排 + 代码编排
横切关注点 固定 Callback（OnStart/OnEnd/OnError） AOP 切面体系，10 种可扩展接口
会话管理 基础 Session Values 完整的会话生命周期：存储、压缩、裁剪
工具扩展 Go 接口实现 内置 8 种工具 + MCP 协议 + 规则链工具
模型管理 构建时绑定，不可变 运行时动态切换，会话级模型选择
前端可视化 原始 AgentEvent 流 AG-UI 标准协议，内置可视化切面
企业集成 需自行实现 MCP 工具协议、IM 渠道集成、文件存储

简单来说：Eino 是 LLM 交互库，RuleGo 智能体框架是企业级智能体运行时。

# vs LangChain / LangGraph（Python）

维度 LangChain/LangGraph RuleGo 智能体框架
语言 Python Go
性能 适合原型和数据处理 高并发、低延迟，适合生产服务
定义方式 Python 代码 / LangGraph Studio JSON 规则链，可视化编辑器
与业务系统集成 需额外开发 原生支持规则引擎编排，与业务逻辑无缝集成
部署 Python 运行时 单二进制部署，资源占用小

# vs AutoGen / CrewAI（Python）

维度 AutoGen / CrewAI RuleGo 智能体框架
多智能体 代码编排对话流程 规则链声明式编排，子智能体即工具
状态管理 依赖外部存储 内置会话管理，支持多种作用域
可观测性 需集成第三方 内置日志、可视化、AG-UI 事件

# 适用场景

  • 编程助手：类似 Claude Code、OpenClaw、Hermes，具备文件读写、命令执行、自主规划能力的编程智能体
  • 企业级 AI 助手：多渠道接入（飞书/钉钉/企微/API），会话隔离，权限控制
  • 智能客服系统：知识库检索 + 工具调用 + 多轮对话
  • IoT 智能控制：自然语言意图分类 → 结构化指令 → 设备控制 API
  • 自动化工作流：文件处理、代码生成、数据分析等自主任务
  • 多智能体协作：主智能体 + 专业子智能体，分工协作完成复杂任务

# 相关文档

如需开箱即用的智能体平台，参见 RuleGo-Server AI 功能。

可视化创建智能体的图文教程，参见 创建智能体教程。

通过 API 或文件部署规则链的教程，参见 规则链部署与调用。

在 GitHub 上编辑此页 (opens new window)
上次更新: 2026/06/02, 01:16:21
性能
架构设计

← 架构设计→

Theme by Vdoing | Copyright © 2023-2026 RuleGo Team | Apache 2.0 License