本文详细介绍了使用LangGraphGo框架结合Skills插件系统构建AI漫画生成智能体的完整实现。内容包括技术架构设计、工具自动发现机制、参数转换实现、工作流程设计及踩坑经验。项目实现了从分镜生成、图像生成到PDF合并的全流程，提供了完整代码和解决方案，为开发者构建AI应用提供了实用参考。

---

“

本文将带你深入了解如何使用 LangGraphGo 框架结合 Skills 插件系统，从零开始构建一个能够自动生成漫画的 AI 智能体。我们会深入剖析技术架构，分享踩坑经验，并提供完整的代码实现。

前言

在 AI 应用开发领域，智能体（Agent）架构正变得越来越重要。与传统的单一 LLM 调用不同，智能体能够：

• 自主规划任务执行步骤
• 调用外部工具完成任务
• 根据执行结果动态调整策略

本文将以一个漫画生成智能体为例，展示如何使用 LangGraphGo 框架，使用当前炙手可热的 Skill 技术，构建复杂的多步骤 AI 应用。这个智能体能够：

1. 根据用户输入生成漫画分镜脚本
2. 自动调用图像生成模型生成每一页画面
3. 将所有页面合并成完整的 PDF 漫画

“

本示例使用宝玉的漫画 Skill 作为漫画生成的核心工具，演示了 langGraphGo 与 Skills 插件系统的无缝集成。

技术栈概览

┌─────────────────────────────────────────────────────────────┐│                         用户输入                              ││                  "创作一个采蘑菇的小姑娘的漫画"                  │└─────────────────────────┬───────────────────────────────────┘                          │                          ▼┌─────────────────────────────────────────────────────────────┐│                    LangGraphGo Agent                         ││  ┌──────────────┐    ┌──────────────┐    ┌──────────────┐  ││  │   LLM 核心    │───▶│  工具调度器   │───▶│  状态管理器   │  ││  │   (ERNIE)    │    │ (Tool Router) │    │   (State)    │  ││  └──────────────┘    └──────────────┘    └──────────────┘  │└─────────────────────────┬───────────────────────────────────┘                          │          ┌───────────────┼───────────────┐          ▼               ▼               ▼   ┌─────────────┐ ┌─────────────┐ ┌─────────────┐   │ 分镜生成工具 │ │ 图像生成工具 │ │ PDF合并工具 │   │(baoyu-comic)│ │(image-gen)  │ │(baoyu-comic)│   │  (.ts脚本)  │ │  (.ts脚本)  │ │  (.ts脚本)  │   └─────────────┘ └─────────────┘ └─────────────┘                          │            ┌─────────────┴─────────────┐            ▼                           ▼     ┌─────────────┐          ┌─────────────┐     │ pdf skill   │          │  其他技能   │     │ (.py脚本)   │          │  (未使用)    │     └─────────────┘          └─────────────┘

核心技术组件：

• LangGraphGo: Go 语言实现的 LangGraph 框架，提供状态图（StateGraph）能力
• GoSkills v0.6.1+: 技能插件系统，将脚本封装为 LLM 可调用的工具
• TypeScript 脚本: 实际执行业务逻辑的脚本层，使用 npx tsx 执行
• ERNIE 5.0 Thinking Preview: 百度文心一言大模型，工具调用稳定，负责理解和规划

一、项目架构设计

1.1 目录结构

comic_skill_example/├── main.go                 # 入口文件，Agent 创建和执行├── go.mod                  # Go 模块依赖└── skills/                 # 技能插件目录    ├── baoyu-comic/        # 漫画分镜生成技能    │   ├── SKILL.md        # 技能定义（含工具元数据）    │   └── scripts/    │       ├── generate-comic.ts    # 分镜生成脚本    │       └── merge-to-pdf.ts      # PDF 合并脚本    ├── baoyu-image-gen/     # 图像生成技能    │   ├── SKILL.md         # 技能定义    │   └── scripts/    │       └── main.ts      # 图像生成脚本    └── pdf/                 # PDF 处理技能（Python）        ├── SKILL.md         # 技能定义        └── scripts/            ├── check_bounding_boxes.py            ├── convert_pdf_to_images.py            ├── extract_form_field_info.py            └── ...

说明： 系统会自动加载 skills/ 目录下的所有技能包，但漫画生成 Agent 只使用其中 3 个核心工具（generate_comic_storyboard、generate_comic_image、merge_comic_to_pdf），这些工具来自 baoyu-comic 和 baoyu-image-gen 两个技能包。

1.2 技能定义系统（SKILL.md）

每个技能通过 SKILL.md 文件定义，使用 YAML frontmatter 声明工具：

---name:baoyu-comicdescription:Knowledgecomiccreatorsupportingmultiplestyles...tools:-name:generate_comic_storyboard    script:scripts/generate-comic.ts    description:创建完整的漫画分镜脚本和提示词    parameters:      topic:        type:string        description:要创作的漫画主题        required:true      style:        type:string        description:视觉风格（如：warm温暖、classic经典）        required:false      pages:        type:integer        description:要生成的页数        required:false      aspect:        type:string        description:宽高比（如：3:4、4:3、16:9）        required:false---

设计亮点：

1. 声明式工具定义 - 工具名称、参数、描述全部在 SKILL.md 中声明
2. 自动 Schema 生成 - 系统自动根据参数定义生成 OpenAPI Schema
3. 零 Go 代码修改 - 添加新工具无需修改 Go 代码，只需编辑 SKILL.md

二、核心实现解析

2.1 工具配置自动发现机制

传统方式需要在 Go 代码中硬编码工具配置（60+ 行），我们实现了从 SKILL.md 自动读取。

关键实现：adapter/goskills/goskills.go

// buildToolConfigFromSkill 从 SKILL.md 中的工具定义自动构建 ToolConfigfunc buildToolConfigFromSkill(skill *goskills.SkillPackage) *ToolConfig {    iflen(skill.Meta.Tools) == 0 {        returnnil    }    config := &ToolConfig{        NameMapping:         make(map[string]string),        DescriptionOverrides: make(map[string]string),        SchemaOverrides:     make(map[string]map[string]any),    }    for _, toolDef := range skill.Meta.Tools {        // 构建名称映射：从工具名到工具名（保持一致）        config.NameMapping[toolDef.Name] = toolDef.Name        // 设置描述        if toolDef.Description != "" {            config.DescriptionOverrides[toolDef.Name] = toolDef.Description        }        // 构建 Schema        schema := map[string]any{            "type":       "object",            "properties": make(map[string]any),        }        iflen(toolDef.Parameters) > 0 {            var required []string            for paramName, param := range toolDef.Parameters {                prop := map[string]any{                    "type": param.Type,                }                if param.Description != "" {                    prop["description"] = param.Description                }                schema["properties"].(map[string]any)[paramName] = prop                if param.Required {                    required = append(required, paramName)                }            }            iflen(required) > 0 {                schema["required"] = required            }        }        schema["additionalProperties"] = false        config.SchemaOverrides[toolDef.Name] = schema    }    return config}// SkillsToTools 自动从 SKILL.md 读取工具定义func SkillsToTools(skill *goskills.SkillPackage, opts ...SkillsToToolsOptions) ([]tools.Tool, error) {    var config *ToolConfig    // 1. 首先尝试从 SKILL.md 自动构建配置    skillConfig := buildToolConfigFromSkill(skill)    if skillConfig != nil {        config = skillConfig    }    // 2. 如果用户提供了配置，合并覆盖    iflen(opts) > 0 && opts[0].ToolConfig != nil {        // 合并逻辑...    }    // 3. 生成工具...}

优势对比：

特性	硬编码方式	自动发现方式
代码量	60+ 行	0 行
维护成本	高（双份修改）	低（单一数据源）
扩展性	需要重新编译	无需改 Go 代码
类型安全	编译时检查	运行时检查

2.2 命名参数到命令行参数的转换

LLM 返回的是 JSON 格式的命名参数：

{  "topic": "采蘑菇的小姑娘",  "style": "warm",  "pages": 1}

但 TypeScript 脚本期望的是命令行参数格式：

npx tsx generate-comic.ts --topic "采蘑菇的小姑娘" --style "warm" --pages 1

关键实现：adapter/goskills/goskills.go

func (t *SkillTool) Call(ctx context.Context, input string) (string, error) {    originalName := t.name    switch originalName {    // ... 预定义工具的处理    default:        if scriptPath, ok := t.scriptMap[originalName]; ok {            // 1. 尝试解析为命名参数格式            var namedParams map[string]any            err := json.Unmarshal([]byte(input), &namedParams)            if err == nil && len(namedParams) > 0 {                // 2. 转换为命令行参数                var args []string                paramMapping := map[string]string{                    "topic":     "--topic",                    "style":     "--style",                    "pages":     "--pages",                    "aspect":    "--aspect",                    "path":      "--image",                    "prompt":    "--prompt",                    "ar":        "--ar",                    "quality":   "--quality",                    "directory": "--directory",                }                paramOrder := []string{"topic", "style", "pages", "aspect",                                       "path", "prompt", "ar", "quality", "directory"}                for _, key := range paramOrder {                    if value, ok := namedParams[key]; ok && value != nil {                        if flag, ok := paramMapping[key]; ok {                            args = append(args, flag)                            args = append(args, fmt.Sprintf("%v", value))                        }                    }                }                // 3. 根据脚本类型执行                if strings.HasSuffix(scriptPath, ".py") {                    return goskillstool.RunPythonScript(scriptPath, args)                } elseif strings.HasSuffix(scriptPath, ".ts") || strings.HasSuffix(scriptPath, ".js") {                    return langgraphtool.RunTypeScriptScript(scriptPath, args)                } else {                    return langgraphtool.RunShellScript(scriptPath, args)                }            }            // 回退到旧的 args 数组格式...        }    }}

2.3 TypeScript 脚本执行层

使用 npx tsx 直接执行 TypeScript，无需编译：

// tool/shell_tool.gofunc RunTypeScriptScript(scriptPath string, args []string) (string, error) {    cmdArgs := append([]string{"tsx", scriptPath}, args...)    cmd := exec.Command("npx", cmdArgs...)    var stdout, stderr bytes.Buffer    cmd.Stdout = &stdout    cmd.Stderr = &stderr    err := cmd.Run()    if err != nil {        return"", fmt.Errorf("failed to run typescript script: %w\nStdout: %s\nStderr: %s",            err, stdout.String(), stderr.String())    }    return stdout.String() + stderr.String(), nil}

为什么选择 tsx？

• ✅ 无需预编译，开发效率高
• ✅ 支持 TypeScript 和 ESM
• ✅ 与 Node.js 生态完全兼容
• ✅ 支持最新的 JS 语法

注意： Skills 系统支持多种脚本类型的混合使用：

脚本类型	执行方式	适用场景
TypeScript (.ts)	npx tsx script.ts	业务逻辑、图像生成
JavaScript (.js)	npx tsx script.js	简单脚本
Python (.py)	python script.py	数据处理、PDF 操作
Shell (.sh)	bash script.sh	系统操作

在本项目中：

• baoyu-comic 和 baoyu-image-gen 使用 TypeScript
• pdf 技能使用 Python（未在漫画生成流程中使用）

三、完整工作流程

3.1 智能体执行流程图

用户输入   │   ▼┌─────────────────────────────────────────────────┐│  Agent 节点: LLM 规划 + 工具调用                ││  输入: 用户请求 + 工具定义                       ││  输出: 结构化工具调用                            │└────────────────────┬────────────────────────────┘                     │                     ▼          ┌──────────────────────┐          │  Tools 节点: 执行工具 │          └──────────────────────┘                     │        ┌────────────┴────────────┐        ▼                         ▼   分镜生成脚本                图像生成脚本   (generate-comic.ts)        (main.ts)        │                         │        ▼                         ▼   分镜 JSON 文件            漫画图像文件        │                         │        └────────────┬────────────┘                     ▼              PDF 合并脚本           (merge-to-pdf.ts)                     │                     ▼              完整漫画 PDF

3.2 主程序完整代码

// main.gopackage mainimport (    "context"    "fmt"    "log"    "os"    "strings"    "github.com/smallnest/goskills"    adapter "github.com/smallnest/langgraphgo/adapter/goskills"    "github.com/smallnest/langgraphgo/prebuilt"    "github.com/tmc/langchaingo/llms"    "github.com/tmc/langchaingo/llms/openai"    "github.com/tmc/langchaingo/tools")func main() {    // 1. 初始化 LLM    // 推荐使用 ERNIE 5.0 Thinking Preview，工具调用更稳定    // 如需使用，设置环境变量：    //   export OPENAI_API_KEY=your-ernie-api-key    //   export OPENAI_BASE_URL=https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/ernie-5.0-thinking-preview    llm, err := openai.New()    if err != nil {        log.Fatal(err)    }    // 2. 从 skills 目录加载技能包    skillsDir := "./skills"    if _, err := os.Stat(skillsDir); os.IsNotExist(err) {        skillsDir = "comic_skill_example/skills"    }    packages, err := goskills.ParseSkillPackages(skillsDir)    if err != nil {        log.Fatalf("解析技能包失败: %v", err)    }    iflen(packages) == 0 {        log.Fatal("在 " + skillsDir + " 中未找到任何技能")    }    // 3. 将技能转换为工具（工具配置会从 SKILL.md 自动读取）    var allTools []tools.Tool    for _, skill := range packages {        fmt.Printf("正在加载技能: %s - %s\n", skill.Meta.Name, skill.Meta.Description)        // 工具配置会从 SKILL.md 的 tools 字段自动读取        skillTools, err := adapter.SkillsToTools(skill)        if err != nil {            log.Printf("转换技能 %s 为工具失败: %v", skill.Meta.Name, err)            continue        }        allTools = append(allTools, skillTools...)    }    // 4. 筛选出漫画相关工具    var comicTools []tools.Tool    for _, t := range allTools {        if t.Name() == "generate_comic_storyboard" ||           t.Name() == "generate_comic_image" ||           t.Name() == "merge_comic_to_pdf" {            comicTools = append(comicTools, t)        }    }    // 5. 构建系统提示词    systemMsg := `你是一个有用的助手，可以访问工具来创作漫画。当用户要求创建漫画时，你必须调用 generate_comic_storyboard 函数。可用函数：- generate_comic_storyboard: 创建完整的漫画分镜脚本和提示词- generate_comic_image: 生成单张漫画图像（需要提示词和路径）- merge_comic_to_pdf: 将漫画图像合并成 PDF工作流程：1. 调用 generate_comic_storyboard 创建漫画分镜2. 如果输出显示 '=== IMAGE_GENERATION_REQUIRED ==='，则为每一页调用 generate_comic_image3. 调用 merge_comic_to_pdf 将所有图像合并成 PDF重要提示：始终调用函数，而不是提供文字描述。`    // 6. 创建 Agent    agent, err := prebuilt.CreateAgentMap(llm, comicTools, 20,        prebuilt.WithSystemMessage(systemMsg),    )    if err != nil {        log.Fatal(err)    }    // 7. 执行    ctx := context.Background()    resp, err := agent.Invoke(ctx, map[string]any{        "messages": []llms.MessageContent{            llms.TextParts(llms.ChatMessageTypeHuman, os.Args[1]),        },    })    if err != nil {        log.Fatal(err)    }    // 8. 输出结果    if messages, ok := resp["messages"].([]llms.MessageContent); ok {        for _, msg := range messages {            fmt.Printf("[%s] %s\n", msg.Role, msg.Parts)        }    }}

四、踩坑与解决方案

4.1 DeepSeek V3 工具调用不稳定问题

现象： DeepSeek V3 返回的工具调用格式不稳定，有时无法正确解析

<｜tool▁calls▁begin｜><｜tool▁call▁begin｜>function<｜tool▁sep｜>generate_comic_storyboard{"topic":"采蘑菇的小姑娘"}<｜tool▁call▁end｜>

解决方案： 更换为 ERNIE 5.0 Thinking Preview（文心一言），工具调用更稳定

// 使用千帆平台配置llm, err := openai.New(    openai.WithToken("your-ernie-api-key"),    openai.WithBaseURL("https://aip.baidubce.com/rpc/2.0/ai_custom/v1/wenxinworkshop/chat/ernie-5.0-thinking-preview"),)

4.2 TypeScript 脚本执行问题

现象： Bun API 与 Node.js 不兼容

Cannot find package 'bun'

解决方案：

• 移除 Bun 特定 API（如 Bun.write）
• 使用 Node.js 兼容的 API（如 writeFileSync）
• 使用 npx tsx 替代 bun run 执行

4.3 参数格式转换问题

现象： LLM 返回命名参数，脚本期望命令行参数

解决方案： 在工具执行层实现自动转换（见 2.2 节）

4.4 中文文件名支持

现象： PDF 合并脚本的正则表达式无法匹配中文文件名

解决方案：

// 添加 Unicode 中文字符范围const pagePattern = /^(\d+)-(cover|page)(-[\w\u4e00-\u9fff-]+)?\.(png|jpg|jpeg)$/i;

五、最佳实践总结

5.1 技能设计原则

1. 单一职责 - 每个技能专注一个领域（分镜、图像、PDF）
2. 声明式配置 - 工具定义在 SKILL.md 中，而非硬编码
3. 语言选型 - 脚本层使用 TypeScript/Python，发挥各自优势

5.2 错误处理

// 脚本中要提供清晰的错误信息async function main() {    try {        // ...    } catch (error) {        console.error("Error:", error);        console.error("Error message:", error?.message);        process.exit(1);    }}

5.3 扩展性考虑

当需要添加新工具时：

1. 在 SKILL.md 中添加工具定义
2. 在 scripts/ 目录添加对应脚本
3. 无需修改任何 Go 代码

示例：添加"水印添加"工具

# SKILL.mdtools:-name:add_watermark    script:scripts/add-watermark.ts    description:为漫画添加水印    parameters:      image:        type:string        required:true      watermark:        type:string        required:true
``````plaintext
// scripts/add-watermark.ts// 实现水印逻辑

六、性能优化建议

6.1 并发图像生成

// 并发生成所有页面var wg sync.WaitGroupsemaphore := make(chanstruct{}, 3) // 限制并发数for _, page := range pages {    wg.Add(1)    gofunc(p Page) {        defer wg.Done()        semaphore <- struct{}{}        // 获取信号量        deferfunc() { <-semaphore }() // 释放信号量        generateImage(p)    }(page)}wg.Wait()

6.2 缓存机制

// 对相同参数的请求使用缓存type CacheKey struct {    Topic string    Style string    Pages int}var storyboardCache = sync.Map{}

七、未来展望

7.1 可能的改进方向

1. 多模态输入 - 支持图片、视频作为创作素材
2. 风格迁移 - 一键切换漫画风格
3. 交互式编辑 - 支持用户在生成过程中介入调整
4. 分布式部署 - 将图像生成等耗时任务分布到多台机器

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2026最新大模型全套学习资源》，包括2026最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题、AI产品经理入门到精通等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方CSDN官方认证二维码，免费领取【保证100%免费】