代码路径：

C:\Users\Administrator\go\pkg\mod\github.com\cloudwego\eino@v0.9.19\compose\graph.go

type graph struct {...}

graph{
    nodes: map[string]*graphNode{
        // 以下是一个个组件
        "Init":          { /* 初始化节点 */ },
        "ToolSearch":    { /* 新增Lambda节点：工具向量检索 */ },
        "ChatModel":     { /* AgenticModelNode */ },
        "CancelCheck":   { /* 中断检查 */ },
        "ToolNode":      { /* 依然挂载全部6个工具实现，不变 */ },
        "AfterToolCalls":{},
        "AfterToolCallsCancelCheck": {},
    },

    // 控制边发生变化：Init 不再直接进ChatModel，先走ToolSearch
    controlEdges: map[string][]string{
        compose.START:               {"Init"},
        "Init":                      {"ToolSearch"},   // 改动点：先去向量检索节点
        "ToolSearch":                {"ChatModel"},    // 检索完成，把召回的工具放入state，再进大模型
        "CancelCheck":               {"ToolNode"},
        "ToolNode":                  {"AfterToolCalls"},
        "AfterToolCalls":            {"AfterToolCallsCancelCheck"},
        "AfterToolCallsCancelCheck": {"ChatModel"},
    },

    branches: map[string][]*GraphBranch{
        "ChatModel": { /* 判断模型输出是否带ToolCall，逻辑不变 */ },
    },

    startNodes: []string{"Init"},
    endNodes:   []string{compose.END},

    stateGenerator: func(ctx context.Context) any {
        return &agenticState{
            Messages:             []*schema.AgenticMessage{},
            remainingIterations:  5,
            recalledTools:        []*schema.ToolInfo{}, // state新增字段：存放向量检索召回出来的工具描述
        }
    },
    compiled: true,
}

执行步骤如下：

Init：拿到用户消息 帮我查2025年贵州茅台的净利润，写入 state.Messages

ToolSearch：拿用户 query 向量检索，召回get_financial_report，存入 state.recalledTools

ChatModel：读取 state.recalledTools，仅把这 1 个工具描述拼进 system prompt，调用 LLM

LLM 输出 tool_call：get_financial_report(stock="600519",year="2025")

ChatModel 的分支检测：识别到存在 tool_call → 路由到 CancelCheck

CancelCheck：判断是否需要中断，无需中断，路由到 ToolNode

ToolNode：6 个工具实现里找到get_financial_report，执行，返回2025年贵州茅台净利润685亿

AfterToolCalls：把工具返回消息追加到 state.Messages

AfterToolCallsCancelCheck：检查是否中断，不需要，路由回到 ChatModel（循环）

ChatModel 再次调用大模型：把历史消息（用户 + 工具返回结果）丢给 LLM

LLM 这次直接输出纯文本答案，没有 tool_call

ChatModel 分支判断：无 tool_call → 路由到 END，流程结束

二、Eino 内置预制编排图

代码路径：

C:\Users\Administrator\go\pkg\mod\github.com\cloudwego\eino@v0.9.19\adk\react.go

func newAgenticReact(ctx context.Context, config *agenticReactConfig) (agenticReactGraph, error) {...}

// 1. 新建空图
g := compose.NewGraph[*agenticReactInput, *schema.AgenticMessage](...)

// 2. 注册各个节点（编排节点）
_ = g.AddLambdaNode(initNode_, ...)
_ = g.AddAgenticModelNode(chatModel_, wrappedModel, ...)
_ = g.AddLambdaNode(cancelCheckNode_, ...) // 框架内部编排加上CancelCheck
_ = g.AddAgenticToolsNode(toolNode_, toolsNode, ...)
_ = g.AddLambdaNode(afterToolCallsNode_, ...)

// 3. 增加边、分支（编排流转路线）
_ = g.AddEdge(compose.START, initNode_)
_ = g.AddEdge(initNode_, chatModel_)
// ... AddBranch 分支逻辑：ChatModel跑完判断是否有tool_call，选择下一跳

// 4. 返回组装好的图
return g, nil