Genkit Go全栈AI应用开发框架

如果您曾经尝试用 Go 构建 AI 应用，您可能知道这有多么令人沮丧。不同的 API、到处都是混乱的 JSON、随机的 SDK 在项目中途崩溃——这真是太混乱了。而这正是 Genkit 正在解决的问题。

它是一个开源框架，旨在构建全栈 AI 应用。您将获得一个简洁的界面，轻松连接 Gemini、OpenAI、Ollama 等模型。它管理结构化输出、RAG、工具调用，甚至代理工作流——所有这些都在一个平台上完成。

现在，Genkit Go 1.0 正式稳定并可投入生产。所以，Go 开发者终于有了一个可以使用的基础 AI 框架。

1、那么……Genkit 到底是什么？

可以将 Genkit 视为应用程序和 AI 模型之间的一层。无论您调用的是 Gemini 还是 GPT，它都只提供一个简洁的 API 来生成文本、结构化数据，甚至是多模态内容。

您只需编写流程、添加插件、运行本地 CLI，即可开始使用。它非常简单。而且由于它采用“Go 风格”构建，因此感觉轻量级、类型安全且可预测。

2、Genkit Go 现已稳定

随着 1.0 版本的发布，Go SDK 正式脱离了“实验”阶段。API 已锁定，测试已完成，您使用 Genkit 1.x 构建的所有内容即使在 1.1 或 1.2 版本发布后也将继续有效。

它本应以最好的方式保持简洁——稳定、安全，并为生产环境做好准备。

3、类型安全的 AI 流程

这是最初吸引我的功能——流程。

流程本质上是由 AI 驱动的函数，具有明确定义的输入和输出。您只需设置一次，像标准 Go 函数一样执行它们，Genkit 会管理其间的所有 AI 处理。

下面是一个创建食谱的简短示例：

package main

import (
    "context"
    "encoding/json"
    "fmt"
    "log"

    "github.com/firebase/genkit/go/ai"
    "github.com/firebase/genkit/go/genkit"
    "github.com/firebase/genkit/go/plugins/googlegenai"
)

// Define your data structures
type RecipeInput struct {
    Ingredient          string `json:"ingredient" jsonschema:"description=Main ingredient or cuisine type"`
    DietaryRestrictions string `json:"dietaryRestrictions,omitempty" jsonschema:"description=Any dietary restrictions"`
}

type Recipe struct {
    Title        string   `json:"title"`
    Description  string   `json:"description"`
    PrepTime     string   `json:"prepTime"`
    CookTime     string   `json:"cookTime"`
    Servings     int      `json:"servings"`
    Ingredients  []string `json:"ingredients"`
    Instructions []string `json:"instructions"`
    Tips         []string `json:"tips,omitempty"`
}

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

    // Initialize Genkit with plugins
    g := genkit.Init(ctx,
        genkit.WithPlugins(&googlegenai.GoogleAI{}),
        genkit.WithDefaultModel("googleai/gemini-2.5-flash"),
    )

    // Define a type-safe flow
    recipeFlow := genkit.DefineFlow(g, "recipeGeneratorFlow", 
        func(ctx context.Context, input *RecipeInput) (*Recipe, error) {
            dietaryRestrictions := input.DietaryRestrictions
            if dietaryRestrictions == "" {
                dietaryRestrictions = "none"
            }

            prompt := fmt.Sprintf(`Create a recipe with the following requirements:
                Main ingredient: %s
                Dietary restrictions: %s`, input.Ingredient, dietaryRestrictions)

            // Generate structured data with type safety
            recipe, _, err := genkit.GenerateData[Recipe](ctx, g,
                ai.WithPrompt(prompt),
            )
            if err != nil {
                return nil, fmt.Errorf("failed to generate recipe: %w", err)
            }

            return recipe, nil
        })

    // Run the flow
    recipe, err := recipeFlow.Run(ctx, &RecipeInput{
        Ingredient:          "avocado",
        DietaryRestrictions: "vegetarian",
    })
    if err != nil {
        log.Fatalf("could not generate recipe: %v", err)
    }

    // Print the structured recipe
    recipeJSON, _ := json.MarshalIndent(recipe, "", "  ")
    fmt.Println("Sample recipe generated:")
    fmt.Println(string(recipeJSON))

    <-ctx.Done() // Used for local testing only
}

无需再处理 JSON 或随机解析错误——所有内容都经过强类型验证，并在后台进行验证。感觉就像编写普通的 Go 代码一样，但更智能。

4、一个接口，所有模型

每次更改模型提供程序时，您无需修改​​代码。只需更新模型名称即可：

// Use Google AI models
resp, err := genkit.Generate(ctx, g,
    ai.WithModelName("googleai/gemini-2.5-flash"),
    ai.WithPrompt("What is the weather like today?"),
)

// Use OpenAI models
resp, err := genkit.Generate(ctx, g,
    ai.WithModelName("openai/gpt-4o"),
    ai.WithPrompt("How are you today?"),
)

// Switch to Ollama for local models
resp, err := genkit.Generate(ctx, g,
    ai.WithModelName("ollama/llama3"),
    ai.WithPrompt("What is the meaning of life?"),
)

相同的代码，不同的引擎。就这样。

5、工具调用——真正能做的事情的 AI

这个很有趣。Genkit 允许你的 AI 调用真正的 Go 函数——它称之为“工具”。所以你的模型不仅仅是聊天；它实际上可以执行代码。

示例：一个简单的天气工具。

// Define a tool
type WeatherInput struct {
    Location string `json:"location" jsonschema_description:"Location to get weather for"`
}

getWeatherTool := genkit.DefineTool(g, "getWeather", 
    "Gets the current weather in a given location",
    func(ctx *ai.ToolContext, input WeatherInput) (string, error) {
        // Your weather API logic here
        return fmt.Sprintf("The current weather in %s is 72°F and sunny.", input.Location), nil
    })

// Use the tool in generation
resp, err := genkit.Generate(ctx, g,
    ai.WithPrompt("What's the weather in San Francisco?"),
    ai.WithTools(getWeatherTool),
)

现在您的 AI 可以在需要时自动调用 getWeather()。这类似于安全地授予它访问您的 Go 函数的权限。

6、几秒钟内从流到 API

部署？很简单。

// Create HTTP handlers for your flows
mux := http.NewServeMux()
mux.HandleFunc("POST /recipeGeneratorFlow", genkit.Handler(recipeFlow))

// Start the server
log.Fatal(server.Start(ctx, "127.0.0.1:3400", mux))

您的流现在是一个实时端点。完成。

7、CLI + 开发者 UI = 快速调试

这部分使本地开发变得轻而易举。安装 CLI：

curl -sL cli.genkit.dev | bash

然后运行：

genkit start -- go run .

它会启动您的应用并打开开发者界面，您可以在其中执行以下操作：

• 使用测试输入运行流程
• 逐步查看跟踪记录
• 检查延迟和令牌使用情况
• 即时调整提示

感觉像 Postman，但专为 AI 打造。

8、AI 助手集成

您甚至可以将您常用的 AI 编码工具（Gemini CLI、Claude Code、Cursor）直接链接到您的 Genkit 项目：

genkit init:ai-tools

它会添加一个 MCP 服务器，让助手列出流程、运行流程、获取文档并进行调试。如果您喜欢 AI 辅助编码，那么这个功能非常实用。

9、入门指南

mkdir my-genkit-app && cd my-genkit-app
go mod init example/my-genkit-app

go get github.com/firebase/genkit/go
curl -sL cli.genkit.dev | bash
genkit init:ai-tools
genkit start -- go run .

这就是你启动第一个 AI 应用所需的一切。

10、结束语

Genkit Go 1.0 终于为 Go 开发者提供了一种构建 AI 应用的稳定方式——它不再只是边缘实验，而是功能齐全、可直接投入生产的软件。它类型安全、简洁且易于调试。它与 Go 的简洁性无缝集成——完美契合。如果你一直在等待一种 Go 原生的方式来使用像 Gemini 或 GPT 这样的 AI 模型，那么现在就是了。

查看 genkit.dev 上的文档，开始尝试吧。

原文链接：Genkit Go 1.0: Build Full-Stack AI Apps in Go, Now Production Ready

汇智网翻译整理，转载请标明出处