// 这是"感受一下"的示意代码，不用会写 Go，看结构就行
// 每个组件本质就是：给我一个输入 in，还你一个输出 out（可能出错就带个 err）

// 一个"聊天模型"组件：输入是一串消息，输出是模型的回复
type ChatModel interface {
    Generate(ctx context.Context, in []Message) (Message, error)
    //                              ↑输入        ↑输出   ↑万一出错
}

// 一个"提示词模板"组件：输入是变量，输出是拼好的消息
type PromptTemplate interface {
    Format(ctx context.Context, vars map[string]any) ([]Message, error)
}
// 关键点：不同组件都遵循"输入→输出"的统一约定，所以能串起来

// 示意：把"提示词模板"和"聊天模型"串成一条链
chain := compose.NewChain[map[string]any, Message]()  // 声明：进 map，出 Message
chain.AppendChatTemplate(promptTpl)   // 工位1：把变量填进提示词模板
chain.AppendChatModel(chatModel)      // 工位2：把提示词丢给大模型
runnable, _ := chain.Compile(ctx)     // 编译：把这条链"焊死"成可运行的产线

// 运行：喂进去一个变量，得到模型回复
out, _ := runnable.Invoke(ctx, map[string]any{"topic": "转行做 AI"})

// 示意：图能加节点、连边，还能按条件分流
g := compose.NewGraph[Input, Output]()
g.AddChatModelNode("model", chatModel)   // 加一个"模型决策"节点
g.AddToolsNode("tools", toolsNode)        // 加一个"执行工具"节点

g.AddEdge("model", "tools")   // 模型说要用工具 → 去 tools 节点
g.AddEdge("tools", "model")   // 工具跑完 → 回到 model 再判断（这就是"回头弯"）
// 循环直到模型说"我答完了"，才走向终点

✋ 动手 10 分钟：不写 Go，也能"读懂框架思想"

今天不装 Go 环境。用你已经会的 Python，把"Chain 和 Graph 的思想"亲手复刻一遍，体会"跨语言相通"：

# 用 Python 模拟 eino 的"Chain"：把几步按顺序串起来
def chain(steps, x):
    """steps 是一串函数（每个就是一个'组件'）；x 顺着流过去"""
    for step in steps:      # 一个工位接一个工位
        x = step(x)         # 上一步的输出 = 下一步的输入
    return x

# 定义三个"组件"（这里用普通函数假装）
def fill_prompt(topic):  return f"请给我关于「{topic}」的一句建议"
def call_model(prompt):  return f"[模型回复] 针对：{prompt}"
def parse(reply):        return reply.replace("[模型回复] ", "").strip()

# 像 eino 那样把它们接成一条链
result = chain([fill_prompt, call_model, parse], "转行做 AI")
print(result)   # → 针对：请给我关于「转行做 AI」的一句建议

# 思考题：如果要在中间"看情况分流"，chain 就不够了——那正是 Graph 存在的理由