Loom：面向 Go 开发者的高性能图结构 AI 工作流引擎

Loom 是一个基于有向图的 AI 工作流引擎，专为 Go 语言设计，支持状态持久化、实时流式输出、多模型适配和工具调用，帮助开发者构建复杂的 Agent 系统。

• 原作者/维护者：masterkeysrd
• 来源平台：GitHub
• 原始标题：loom
• 原始链接：https://github.com/masterkeysrd/loom
• 发布时间：2026-05-31

---

随着大语言模型（LLM）能力的不断提升，开发者们开始构建越来越复杂的 AI Agent 系统。这些系统往往需要执行多步骤任务、处理分支逻辑、在长时间运行中保持状态，甚至在中断后能够恢复执行。传统的线性链式调用（chain-of-thought）虽然简单，但面对复杂的业务逻辑时显得力不从心。

Loom 正是为解决这些问题而生。它是一个专为 Go 语言设计的高性能图结构 AI 工作流引擎，将状态机的设计理念与现代 LLM 应用开发相结合，为开发者提供了一种全新的构建 Agent 系统的方式。

---

与线性链式调用不同，Loom 采用**有向图（Directed Graph）**作为其基础架构。这种设计的优势在于：

在图结构中，工作流的每个节点代表一个执行单元，边代表执行路径。节点之间可以有条件边（conditional edges），这意味着 Agent 可以根据运行时状态动态决定下一步走向。这种灵活性使得构建循环、分支、并行执行等复杂模式变得直观。

Loom 的核心哲学是"状态优先"。每个节点执行后，系统会自动保存一个"检查点"（checkpoint）。这种设计带来了几个关键能力：

• 断点续传：长时间运行的任务可以在中断后从上次保存的状态恢复
• 人工介入：可以在特定节点暂停执行，等待人工输入后再继续
• 执行审计：完整的执行历史可以被记录和审查

作为 Go 生态的一部分，Loom 充分利用了 Go 的泛型（generics）特性，从底层构建类型安全的工作流系统。这意味着在编译阶段就能捕获大量潜在错误，提升开发效率和代码质量。

---

Loom 允许开发者以声明式的方式定义工作流图。每个节点接收当前状态并返回一个命令（Command），命令可以是更新状态、跳转到另一个节点，或者中断执行等待外部输入。

builder := graph.New[MyState]().
    WithName("chat-agent").
    AddNode("llm", llmNodeFunc).
    AddEdge(graph.START, "llm").
    AddEdge("llm", graph.END)

这种 API 设计既简洁又富有表现力，让复杂的工作流逻辑变得易于理解和维护。