透過 Go 開始使用 Genkit (Alpha 版)

Go 適用的 Firebase Genkit 程式庫現已開放預先發布版！由於 Go 程式庫目前為 Alpha 版，您可能會看到 API 和功能變更，例如： 我們會加快腳步。建議只用於原型設計 探索。

如果發現程式庫或這份說明文件有任何問題，請回報 列在 GitHub 存放區中。

如要開始使用 Genkit，請安裝 Genkit CLI Go 專案中的 genkit init。本頁其餘部分將說明如何操作。

需求條件

  • Go 1.22 以上版本。請參閱下載及安裝： 請參閱官方 Go 文件

  • Node.js 20 以上版本 (適用於 Genkit CLI 和 UI)。請參閱下一節以瞭解 快速指南

安裝 Genkit

  1. 如果您在系統中還沒有 Node 20 以上版本，請立即安裝。

    建議：nvm 和 nvm-windows 工具是 可以輕鬆安裝特定版本的節點 (如果尚未安裝) 安裝在系統上這些工具會為每位使用者安裝節點 不必進行整個系統的變更

    如何安裝 nvm：

    Linux、macOS 等

    執行下列指令：

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

    Windows

    按照 nvm-windows 文件中的說明，下載並執行安裝程式。

    接著，如要安裝節點和 npm，請開啟新殼層並執行下列指令 指令：

    nvm install 20

  2. 執行下列指令來安裝 Genkit CLI：

    npm i -g genkit

    這個指令會將 Genkit CLI 安裝至您的 Node 安裝目錄 以便在節點專案以外的地方使用

建立及探索範例專案

  1. 建立新的專案目錄：

    mkdir genkit-intro && cd genkit-intro

  2. 初始化 Genkit 專案：

    genkit init

    1. 選取 Go 做為執行階段環境。

    2. 選取模型：

      Gemini (Google AI)

      如要開始使用，最簡單的方式就是運用 Google AI Gemini API。請確認 是 僅適用於您所在的地區。

      產生 API 金鑰： 或 Google AI Studio 建立 Gemini API然後設定 GOOGLE_GENAI_API_KEY 更新為金鑰：

      export GOOGLE_GENAI_API_KEY=<your API key>

      Gemini (Vertex AI)

      如果 Google AI Gemini API 不適用於您的區域，請考慮 Vertex AI API，其中也提供 Gemini 和其他模型個人中心 必須具備已啟用計費功能的 Google Cloud 專案、啟用 AI Platform API，並設定其他環境變數：

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

      查看 Vertex AI 定價。

    3. 指定任何模組名稱。例如：example/genkit-intro

    4. 選擇其餘問題的預設答案， 使用一些程式碼範例初始化專案資料夾。

    genkit init 指令會建立範例 Go 模組，並安裝 所需的依附元件main.go 檔案含有單一資料流。 menuSuggestionFlow，就會提示 LLM 以及特定主題的餐廳

    這個檔案的內容如下所示 (外掛程式設定步驟) 如果選擇 Vertex AI，看起來可能會有所不同)：

    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 := ai.Generate(ctx, m,
			ai.WithConfig(&ai.GenerationCommonConfig{Temperature: 1}),
			ai.WithTextPrompt(fmt.Sprintf(`Suggest an item for the menu of a %s themed restaurant`, input)))
		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 := resp.Text()
		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)
	}
}

    透過 Genkit 建構應用程式的 AI 功能 包含多個步驟的流程，例如輸入預先處理、較複雜的 提示建構、整合外部資訊來源 包括檢索增強生成 (RAG) 等等

  3. 您現在可以在本機執行及探索 Genkit 功能和範例專案 虛擬機器下載並啟動 Genkit 開發人員 UI：

    genkit start

    歡迎來到 Genkit 開發人員 UI

    Genkit 開發人員 UI 現已在您的電腦上執行。執行模型 機器就會執行自動化調度管理任務 才能整合流程各步驟撥打外部電話 Gemini API 等服務 伺服器

    此外，由於您處於開發環境，因此 Genkit 會儲存追蹤記錄 本機檔案中的流程狀態

  4. 當您執行 genkit start 指令。

    開發人員 UI 會顯示您已定義的流程和模型 設定、執行映像檔，並檢查先前執行作業的追蹤記錄。試用其他 這些功能：

    • 在「Run」分頁中，您會看到所有流程清單 以及由外掛程式設定的所有模型

      請按一下「menuSuggestionFlow」，然後試著輸入一些輸入文字 (例如： 例如 "cat")。如果一切順利，你將收到選單獎勵 與貓主題餐廳的建議。

    • 「Inspect」分頁會顯示流程執行歷史記錄。對於每項 流程中，您可以查看傳遞至流程的參數和追蹤記錄 每個步驟的執行階段