Alpha: Firebase Genkit for Go is in Alpha, which means that it is not subject to any SLA or deprecation policy and could change in backwards-incompatible ways. Throughout the Alpha period, Firebase Genkit and its documentation will be updated and improved.

Ta strona została przetłumaczona przez Cloud Translation API.

Pierwsze kroki z Genkit w Go (alfa)

Możesz już korzystać z biblioteki Firebase Genkit w Go. Ponieważ Biblioteki Go są obecnie w wersji alfa. Możesz zauważyć zmiany w interfejsach API i funkcjonalności, postęp prac nad rozwojem. Zalecamy korzystanie z niego tylko do prototypowania. do eksploracji.

Jeśli zauważysz problemy z bibliotekami lub tą dokumentacją, zgłoś je znajdziesz je w naszym repozytorium GitHub.

Aby zacząć korzystać z Genkit, zainstaluj interfejs wiersza poleceń Genkit i uruchom genkit init w projekcie Go. Instrukcje znajdziesz w dalszej części tej strony.

Wymagania

Go w wersji 1.22 lub nowszej
Node.js w wersji 20 lub nowszej (dla interfejsu wiersza poleceń i interfejsu Genkit)

Zalecenia: nvm i Narzędzia nvm-windows to wygodny sposób na zainstalowanie określonych wersji środowiska Node, jeśli jeszcze nie jest dostępne zainstalowanego w systemie. Te narzędzia instalują Node dla poszczególnych użytkowników, dzięki czemu nie wymagają wprowadzania zmian w całym systemie.

Aby zainstalować nvm w systemie typu Unix, takim jak macOS lub Linux, uruchom to polecenie:
```
curl -o- https://raw.githubusercontent.com/nvm-sh/nvm/v0.39.7/install.sh | bash
```
Następnie, aby zainstalować węzeł za pomocą nvm, otwórz nową powłokę i uruchom to polecenie polecenie:
```
nvm install 20
```

Procedura

Zainstaluj interfejs wiersza poleceń Genkit, uruchamiając to polecenie:
```
npm i -g genkit
```
To polecenie instaluje interfejs wiersza poleceń Genkit w katalogu instalacyjnym węzła z którego można korzystać poza projektem Node.
Utwórz nowy katalog projektu:
```
mkdir genkit-intro && cd genkit-intro
```

Zainicjuj projekt Genkit:

genkit init

Wybierz Go jako środowisko wykonawcze.
Wybierz model:
Gemini (AI od Google)
Najprostszym sposobem, aby zacząć, jest korzystanie z interfejsu Google AI Gemini API. Upewnij się, to dostępne w Twoim regionie.

Wygeneruj klucz interfejsu API dla platformy Gemini API za pomocą Google AI Studio. Następnie ustaw GOOGLE_GENAI_API_KEY zmienną środowiskową do klucza:
```
export GOOGLE_GENAI_API_KEY=<your API key>
```
Gemini (Vertex AI)
Jeśli interfejs Google AI Gemini API nie jest dostępny w Twoim regionie, rozważ za pomocą interfejsu Vertex AI API, który oferuje również Gemini i inne modele. Ty musi mieć projekt Google Cloud z włączonymi płatnościami, włączyć AI API platformy i ustaw kilka dodatkowych zmiennych środowiskowych:
```
gcloud services enable aiplatform.googleapis.com
export GCLOUD_PROJECT=<your project ID>
export GCLOUD_LOCATION=us-central1
```
Zapoznaj się z cennikiem Vertex AI.
Wpisz dowolną nazwę modułu. Na przykład: example/genkit-intro
Wybierz domyślne odpowiedzi na pozostałe pytania, które zainicjować folder projektu przy użyciu przykładowego kodu.

Polecenie genkit init tworzy przykładowy moduł Go i instaluje wymagane zależności. Plik main.go zawiera jeden proces, menuSuggestionFlow, co powoduje, że LLM zasugeruje element o określonej tematyce.

Wygląda on mniej więcej tak (kroki konfiguracji wtyczki może wyglądać inaczej, jeśli wybrano Vertex AI):

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)
    }
}

Tworząc funkcje AI w aplikacji w Genkit, prawdopodobnie z wieloma etapami, takimi jak wstępne przetwarzanie danych wejściowych, tworzenia promptów, integrowanie zewnętrznych źródeł informacji generowanie rozszerzone przez wyszukiwanie w zapisanych informacjach (RAG) itp.

Teraz możesz uruchamiać i poznawać funkcje Genkit oraz przykładowy projekt lokalnie na komputerze. Pobierz i uruchom interfejs programisty Genkit:
```
genkit start
```
Interfejs dewelopera Genkit działa teraz na Twoim komputerze. Gdy uruchamiasz modele lub przepływów w następnym kroku, komputer wykona zadania administrowania które są niezbędne, aby kroki przepływu danych ze sobą współpracowały; połączenia z zewnętrznymi takie jak Gemini API będą nadal oparte na serwerów.

Ponieważ pracujesz w środowisku programistycznym, Genkit przechowuje ślady stanu przepływu w plikach lokalnych.
Interfejs programisty Genkit zostanie pobrany i otwarty automatycznie po uruchomieniu genkit start.

Interfejs dewelopera pozwala zobaczyć zdefiniowane przepływy i modele skonfigurować je, uruchomić i zbadać ślady poprzednich uruchomień. Wypróbuj niektóre funkcje te funkcje:
- Na karcie Uruchom zobaczysz listę wszystkich przepływów i modele skonfigurowane przez wtyczki.
  
  Kliknij menusuggestionFlow i spróbuj uruchomić je z tekstem do wprowadzania danych (na przykład: "cat"). Jeśli wszystko pójdzie dobrze, otrzymasz menu propozycji restauracji o kotach.
- Na karcie Zbadaj zobaczysz historię wykonań przepływu. Dla każdej wartości możesz wyświetlić parametry przekazane do przepływu i ślad każdego etapu.

Pierwsze kroki z Genkit w Go (alfa)

Wymagania

Procedura

Gemini (AI od Google)

Gemini (Vertex AI)