03｜ChatModel 实战：消息、参数与多轮对话《Eino 实战：用 Go 构建 AI 应用与智能体》· 第 03 篇关键词：schema.Message、角色、Generate、Stream、生成参数、多轮对话、上下文前置条件：已完成 [02｜搭建开发环境](02｜搭建开发环境：创建第一个 Eino 项目.md)，项目能够成功调用模型。上一篇我们跑通了第一次调用，但那只是一个单次问答。真实的工单助手需要记住上下文：“这单”“刚才那个用户”指的都是前几轮说过的内容。要把它做对，必须先回答一个基础问题：模型到底收到了什么？答案是：一份消息列表。模型本身没有记忆，你看到的“多轮对话”，其实是你每次把历史记录一起发过去的结果。这一篇就围绕消息列表、生成参数和多轮组织方式展开。一、消息列表就是模型的全部输入调用Generate时，你传的是一个[]*schema.Message：typeMessagestruct{Role RoleType// system / user / assistant / toolContentstring// 文本内容ToolCalls[]ToolCall// 仅 assistant 消息使用ToolCallIDstring// 仅 tool 消息使用ToolNamestring// 仅 tool 消息使用ReasoningContentstring// 模型的推理内容（若返回）ResponseMeta*ResponseMeta// 结束原因、Token 用量等Extramap[string]any// 实现相关的附加信息}（以上摘自 Eino v0.9.21 的schema.Message，省略了多模态等字段，稍后会单独说明。）其中有两点值得强调：Role决定这条消息是谁说的。模型依据角色理解对话结构，写错角色会直接改变模型行为。ResponseMeta是模型的“回执”。结束原因和 Token 用量都在这里，而不是在Content里。四种角色角色常量用途systemschema.System整体行为约束、角色设定、输出要求userschema.User用户输入assistantschema.Assistant模型此前的回复toolschema.Tool工具调用结果（第 11 篇展开）对应有便捷构造函数：system:=schema.SystemMessage("你是工单助手。")user:=schema.UserMessage("打印机连不上网。")// assistant 消息需要传入 toolCalls，无工具调用时传 nilassistant:=schema.AssistantMessage("已记录，请提供具体楼层。",nil)也可以直接构造结构体，两种方式等价：msg:=schema.Message{Role:schema.User,Content:"打印机连不上网。"}日常建议用构造函数，可读性更好，也不容易把Role写错。二、Generate 与 Stream：同一份输入，两种输出两者的输入完全相同，差别只在返回方式：// 非流式：等模型输出完整内容后一次返回msg,err:=cm.Generate(ctx,messages)// 流式：立即返回读取器，逐片接收sr,err:=cm.Stream(ctx,messages)defersr.Close()选择哪一种，取决于交互形态：场景建议后台批处理、只关心最终结果Generate面向用户、需要逐步展示
03｜ChatModel 实战：消息、参数与多轮对话《Eino 实战：用 Go 构建 AI 应用与智能体》· 第 03 篇关键词：schema.Message、角色、Generate、Stream、生成参数、多轮对话、上下文前置条件：已完成 [02｜搭建开发环境](02｜搭建开发环境：创建第一个 Eino 项目.md)，项目能够成功调用模型。上一篇我们跑通了第一次调用，但那只是一个单次问答。真实的工单助手需要记住上下文：“这单”“刚才那个用户”指的都是前几轮说过的内容。要把它做对，必须先回答一个基础问题：模型到底收到了什么？答案是：一份消息列表。模型本身没有记忆，你看到的“多轮对话”，其实是你每次把历史记录一起发过去的结果。这一篇就围绕消息列表、生成参数和多轮组织方式展开。一、消息列表就是模型的全部输入调用Generate时，你传的是一个[]*schema.Message：typeMessagestruct{Role RoleType// system / user / assistant / toolContentstring// 文本内容ToolCalls[]ToolCall// 仅 assistant 消息使用ToolCallIDstring// 仅 tool 消息使用ToolNamestring// 仅 tool 消息使用ReasoningContentstring// 模型的推理内容（若返回）ResponseMeta*ResponseMeta// 结束原因、Token 用量等Extramap[string]any// 实现相关的附加信息}（以上摘自 Eino v0.9.21 的schema.Message，省略了多模态等字段，稍后会单独说明。）其中有两点值得强调：Role决定这条消息是谁说的。模型依据角色理解对话结构，写错角色会直接改变模型行为。ResponseMeta是模型的“回执”。结束原因和 Token 用量都在这里，而不是在Content里。四种角色角色常量用途systemschema.System整体行为约束、角色设定、输出要求userschema.User用户输入assistantschema.Assistant模型此前的回复toolschema.Tool工具调用结果（第 11 篇展开）对应有便捷构造函数：system:=schema.SystemMessage("你是工单助手。")user:=schema.UserMessage("打印机连不上网。")// assistant 消息需要传入 toolCalls，无工具调用时传 nilassistant:=schema.AssistantMessage("已记录，请提供具体楼层。",nil)也可以直接构造结构体，两种方式等价：msg:=schema.Message{Role:schema.User,Content:"打印机连不上网。"}日常建议用构造函数，可读性更好，也不容易把Role写错。二、Generate 与 Stream：同一份输入，两种输出两者的输入完全相同，差别只在返回方式：// 非流式：等模型输出完整内容后一次返回msg,err:=cm.Generate(ctx,messages)// 流式：立即返回读取器，逐片接收sr,err:=cm.Stream(ctx,messages)defersr.Close()选择哪一种，取决于交互形态：场景建议后台批处理、只关心最终结果Generate面向用户、需要逐步展示
