一个 Google 开源的 AI 开发框架，6K star，太实用了。

这次看到的是这个项目：

genkit-ai/genkit

Image

Stars：6,143 ｜ Forks：774 ｜ License：Apache-2.0 ｜ 主语言：TypeScript

Genkit 是 Google 开源的 AI 应用开发框架。

更准确一点说，它是 Firebase 团队在生产里用的一套工具。

它想处理的不是单次模型调用，而是一个 AI 功能从开发、调试、评测到上线后的观察。

1. 它到底是什么

Genkit 是一个开源框架，用来写 AI-powered app。

它支持 JavaScript / TypeScript、Go、Python 和 Dart。

其中 JS/TS 和 Go 是 production-ready。Python 还在 Beta。Dart 处在 Preview。

它的核心入口很直接：初始化一个 genkit 实例，挂上模型插件，然后调用 ai.generate、ai.defineFlow、tool、retriever、prompt 这些能力。

README 里给的最小例子只有几行代码。

你可以用 Google Gemini，也可以接 OpenAI、Anthropic、Ollama 等模型提供方。

所以它不是模型本身。

它更像 AI 应用后端里的那层工程胶水。

Image

2. 它解决什么麻烦

很多 AI 功能一开始都只是一次 prompt 调用。

但很快会变复杂。

你要做结构化输出。要让模型调用工具。要把 RAG 接进来。要把一段逻辑拆成 flow。还要知道某次调用为什么慢、哪一步失败、输出有没有退化。

Genkit 把这些事情放在一套开发体验里。

本地有 CLI 和 Developer UI。

你可以跑 flow，看 trace，调 prompt，对比模型输出，也能做 evaluation。

这对做 AI 产品的人比较实用。

因为问题不只是“能不能调通模型”，而是“能不能把这个 AI 功能当成一段可调试、可测试、可部署的代码”。

Image

3. 核心看点

第一是统一模型接口。

不同模型提供方可以挂成插件。调用层尽量保持一致。

第二是 flow。

Genkit 里的 flow 是一段可命名、可输入输出约束、可单独运行的 AI 工作流。官方文档里也把 flow 当成部署和调试的基本单位。

第三是 tool calling。

你可以把函数暴露给模型，让模型在需要时调用工具，而不是只靠 prompt 猜。

第四是 RAG 和多模态。

README 明确列了 context-aware generation、multimodal input/output、retrieval、structured output 这些能力。

第五是 Developer UI。

这个点挺关键。很多框架只给 SDK，Genkit 把本地观察和调试也放进来了。

4. 为什么值得看

Genkit 值得看，不是因为它把 AI 写得很神秘。

恰好相反，它在努力把 AI 功能写回普通工程流程里。

定义输入输出。拆 flow。跑本地调试界面。看 trace。做评测。最后部署到 Firebase、Cloud Run，或者其他能跑对应语言的环境。

这套路径对团队协作更友好。

一个人改 prompt，另一个人看 trace 和评测结果，不需要只靠聊天记录猜发生了什么。

另外，仓库现在有 6k 多 stars，最近也还在更新。topics 里能看到 agents、ai、llm、rag、multimodal、vector-database。

它的方向很明确，就是 AI 应用开发工具链。

5. 怎么用起来

如果你用 TypeScript，可以从官方 quickstart 开始。

最小路径大概是：

1. 安装 Genkit SDK、模型插件和 CLI。
2. 初始化 genkit({ plugins: [...] })。
3. 用 ai.generate 先跑通一次模型调用。
4. 把业务逻辑整理成 ai.defineFlow。
5. 用 genkit start -- <your command> 打开本地 Developer UI。
6. 在 UI 里跑 flow、看 trace、调 prompt。

官方还做了一个 Genkit by Example。

里面有 Simple Chatbot、Structured Output、Image Analysis、Tool Calling、Human-in-the-Loop、Action Context 这些例子。

如果不想一上来读完整文档，先看这些例子更快。

Image

6. 适合谁，以及先注意什么

它适合已经在做 AI 功能的工程团队。

比如聊天机器人、自动化流程、推荐系统、RAG 问答、带工具调用的 Agent、需要结构化输出的业务功能。

如果你只想在脚本里调一次模型，Genkit 可能偏重。

如果你需要把 AI 逻辑放进真实应用里，它就有看头。

要注意的是，语言支持成熟度不一样。

JS/TS 和 Go 更稳。Python 还在 Beta。Dart 适合先试。

另外，它和 Google / Firebase / Cloud Run 的文档链路很完整，但并不要求所有东西都绑在 Google 服务上。README 里也写了可以部署到支持对应语言的环境里。

所以可以先拿一个小 flow 试。

跑通以后，再看插件、评测、监控和部署。

今天就先聊到这里。我们下期再见！