通过 Go 开始使用 Genkit（Alpha 版）

Go 版 Firebase Genkit 库现已发布预览版！由于 Go 库目前处于 Alpha 版测试阶段，您可能会看到 API 和功能更改， 开发进度。我们建议仅将其用于原型设计和 。

如果您发现这些库或本文档存在问题，请向我们报告 放在我们的 GitHub 代码库中

如需开始使用 Genkit，请安装 Genkit CLI 并运行 在 Go 项目中使用 genkit init。本页的其余部分将介绍具体方法。

要求

  • Go 1.22 或更高版本

  • Node.js 20 或更高版本（适用于 Genkit CLI 和界面）

    建议：nvm 和 nvm-windows 工具是 安装特定版本的 Node（如果尚未安装）的便捷方法 。这些工具按用户安装 Node，因此您可以 无需在系统范围内进行更改

    如需在类似 Unix 的系统（例如 macOS 或 Linux）上安装 nvm，请运行以下命令： 命令：

    curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash

    然后，如需使用 nvm 安装 Node，请打开一个新的 shell 并运行以下命令 命令：

    nvm install 20

过程

  1. 运行以下命令来安装 Genkit CLI：

    npm i -g genkit

    此命令会将 Genkit CLI 安装到您的 Node 安装目录中 以便在 Node 项目外部使用。

  2. 创建新的项目目录：

    mkdir genkit-intro && cd genkit-intro

  3. 初始化 Genkit 项目：

    genkit init

    1. 选择 Go 作为运行时环境。

    2. 选择您的模型：

      Gemini (Google AI)

      最简单的入门方法是使用 Google AI Gemini API。请确保 是

      生成 API 密钥，以便 Gemini API。然后，设置 GOOGLE_GENAI_API_KEY 环境变量添加到密钥中：

      export GOOGLE_GENAI_API_KEY=<your API key>

      Gemini (Vertex AI)

      如果 Google AI Gemini API 在您所在的地区不可用，请考虑 Vertex AI API。Vertex AI API 还提供 Gemini 和其他模型。您 需要有一个启用了结算功能的 Google Cloud 项目、启用 AI Platform API，然后设置一些额外的环境变量：

      gcloud services enable aiplatform.googleapis.com
export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1

      请参阅 Vertex AI 价格。

    3. 为模块名称指定任何内容。例如：example/genkit-intro

    4. 选择其余问题的默认答案 使用一些示例代码初始化您的项目文件夹。

    genkit init 命令会创建一个示例 Go 模块，并安装 所需的依赖项文件 main.go 包含一个数据流， menuSuggestionFlow 来提示 LLM 针对 特定主题的餐馆

    该文件应如下所示（插件配置步骤 可能有所不同）：

    package main

import (
    "context"
    "errors"
    "fmt"
    "log"

    // Import Genkit and the Google AI plugin
    "github.com/firebase/genkit/go/ai"
    "github.com/firebase/genkit/go/genkit"
    "github.com/firebase/genkit/go/plugins/googleai"
)

func main() {
    ctx := context.Background()

    // Initialize the Google AI plugin. When you pass nil for the
    // Config parameter, the Google AI plugin will get the API key from the
    // GOOGLE_GENAI_API_KEY environment variable, which is the recommended
    // practice.
    if err := googleai.Init(ctx, nil); err != nil {
        log.Fatal(err)
    }

    // Define a simple flow that prompts an LLM to generate menu suggestions.
    genkit.DefineFlow("menuSuggestionFlow", func(ctx context.Context, input string) (string, error) {
        // The Google AI API provides access to several generative models. Here,
        // we specify gemini-1.5-flash.
        m := googleai.Model("gemini-1.5-flash")
        if m == nil {
            return "", errors.New("menuSuggestionFlow: failed to find model")
        }

        // Construct a request and send it to the model API (Google AI).
        resp, err := m.Generate(ctx,
            ai.NewGenerateRequest(
                &ai.GenerationCommonConfig{Temperature: 1},
                ai.NewUserTextMessage(fmt.Sprintf(`Suggest an item for the menu of a %s themed restaurant`, input))),
            nil)
        if err != nil {
            return "", err
        }

        // Handle the response from the model API. In this sample, we just
        // convert it to a string. but more complicated flows might coerce the
        // response into structured output or chain the response into another
        // LLM call.
        text, err := resp.Text()
        if err != nil {
            return "", fmt.Errorf("menuSuggestionFlow: %v", err)
        }
        return text, nil
    })

    // Initialize Genkit and start a flow server. This call must come last,
    // after all of your plug-in configuration and flow definitions. When you
    // pass a nil configuration to Init, Genkit starts a local flow server,
    // which you can interact with using the developer UI.
    if err := genkit.Init(ctx, nil); err != nil {
        log.Fatal(err)
    }
}

    使用 Genkit 构建应用的 AI 功能时，您可能需要创建 包含多个步骤（例如输入预处理）的流，更为复杂， 提示构建、整合外部信息来源以进行 检索增强生成 (RAG) 等工作负载。

  4. 现在，您可以在本地运行和探索 Genkit 功能和示例项目 。下载并启动 Genkit 开发者界面：

    genkit start

    欢迎使用 Genkit 开发者界面

    Genkit Developer UI 现在正在您的机器上运行。运行模型时 或数据流，您的机器将执行编排任务， 将流程的各个步骤协同工作所需的资源；外部调用 Gemini API 等服务 服务器

    此外，由于你处于开发环境中，Genkit 会存储跟踪记录和 流状态。

  5. Genkit Developer UI 会在您运行 genkit start 命令。

    在开发者界面中，您可以查看已定义的流以及 配置、运行这些命令，以及检查之前运行的轨迹。尝试 这些功能：

    • 在运行 (Run) 标签页上，您会看到已配置的所有流的列表。 以及通过插件配置的任何模型。

      点击 menuSuggestionFlow，然后尝试使用一些输入文本（ 示例 "cat"）。如果一切进展顺利，您将获得一份菜单奖励 给出了一个关于猫咪主题餐馆的建议。

    • 在 Inspect 标签页中，您将看到流执行的历史记录。对于每个 您可以看到传递到流的参数和跟踪记录 每个步骤的运行情况