Генкит Firebase

Firebase Genkit — это платформа с открытым исходным кодом , которая помогает создавать, развертывать и отслеживать готовые к использованию приложения на базе искусственного интеллекта .

Genkit предназначен для разработчиков приложений , чтобы помочь вам легко интегрировать мощные возможности искусственного интеллекта в ваши приложения с помощью знакомых шаблонов и парадигм. Он создан той же командой, что и Firebase, с использованием нашего опыта создания инструментов, используемых миллионами разработчиков по всему миру.

Используйте Genkit для создания приложений, которые ��енерируют индивидуальный контент, используют семантический поиск, обрабатывают неструктурированные входные данные, отвечают на вопросы, используя ваши бизнес-данные, автономно принимают решения, организуют вызовы инструментов и многое другое!

Genkit в настоящее время поддерживает разработку на стороне сервера в JavaScript/TypeScript (Node.js), а поддержка Go находится в активной разработке.

Следите за его развитием или вносите свой вклад в его репозиторий GitHub .

Ключевая особенность

Genkit здесь, чтобы помочь вам на каждом этапе вашего пути разработки ИИ, от начала прототипирования до мониторинга в производстве, так что есть о чем поговорить.

Для начала вот 10 ключевых функций Genkit, которые, как мы думаем, вам понравятся:

1. Множество моделей, один интерфейс

Genkit предоставляет плагины, которые дают вам доступ к популярным моделям «из коробки», а также гибкую абстракцию модели, которая позволяет легко интегрировать любой API модели и использовать модели, поддерживаемые сообществом. Опробовать новую модель так же просто, как изменить один аргумент, но для каждой модели можно указать собственные конфигурации.

import { geminiPro } from '@genkit-ai/vertexai';
import { ollama } from 'genkitx-ollama';
import { generate } from '@genkit-ai/ai';

function flipACoin(a, b) {
  return Math.random() > 0.5 ? a : b;
}

const result = await generate({
  model: flipACoin(geminiPro, 'ollama/gemma'),
  config: { temperature: 0.3, maxOutputTokens: 200 },
  prompt: 'What makes you the best LLM out there?',
});

console.log(result.text());

2. Структурированный вывод

Генерируйте строго типизированные ��анные с помощью Genkit, используя схему Zod. Это может помочь вам анализировать неструктурированный текст, создавать творческий контент, выбирать задачи и отправлять результаты обратно в ваше приложение в виде структурированных типобезопасных объектов.

import { generate } from "@genkit-ai/ai";
import { geminiPro } from "@genkit-ai/vertexai";
import { z } from "zod";

const CreatureSchema = z.object({
  name: z.string().describe('the name of the creature'),
  hitPoints: z.number().describe('hit points, between 5 and 100'),
  attacks: z.array(z.object({
    name: z.string(),
    damage: z.number().describe('amount of damage, between 2 and 25'),
  })).describe('3 attacks the creature can use')
});

const createCreature = defineFlow({
    name: "createCreature",
    inputSchema: z.string(),
    outputSchema: CreatureSchema,
  },
  (habitat) => {
    const result = await generate({
      model: geminiPro,
      prompt: `You are a brilliant RPG designer. Generate a creature that lives in ${habitat}.`,
      output: {schema: CreatureSchema}
    });
    // strongly typed and ready to go
    return result.output();
  }
)

console.log(await createCreature("a developer conference"));

3. Мультимодальный, мультимедийный

Genkit предоставляет общий формат контента, который поддерживает сочетание текста, данных и произвольных носителей. Это позволяет использовать Genkit для моделей, выполняющих любые генеративные задачи (например, генерацию изображений), а не только LLM.

import { imagen2, geminiProVision } from '@genkit-ai/vertexai';
import { generate } from '@genkit-ai/ai';

const imageResult = await generate({
  model: imagen2,
  prompt: 'Generate an image of a very specific historical time and place.',
});
const generatedImage = imageResult.media();

const descriptionResult = await generate({
  model: geminiProVision,
  prompt: [
    {
      text: 'What is the historical time and place represented in this picture?',
    },
    { media: generatedImage },
  ],
});
console.log(descriptionResult.text());

4. Дайте LLM инструменты

Genkit упрощает вызов функций с помощью LLM с помощью инструментов. Инструменты позволяют ИИ получать данные, отображать пользовательский интерфейс, записывать в базу данных или выполнять любые другие действия, которые вы можете запрограммировать.

import { generate, defineTool } from '@genkit-ai/ai';
import { geminiPro } from '@genkit-ai/vertexai';
import { z } from 'zod';

const createReminder = defineTool(
  {
    name: 'createReminder',
    description: 'Use this to create reminders for things in the future',
    inputSchema: z.object({
      time: z
        .string()
        .describe('ISO timestamp string, e.g. 2024-04-03T12:23:00Z'),
      reminder: z.string().describe('the content of the reminder'),
    }),
    outputSchema: z.number().describe('the ID of the created reminder'),
  },
  (reminder) => db.reminders.create(reminder)
);

const searchNotes = defineTool(
  {
    name: 'searchNotes',
    description: "Use this to search the user's notes for people or phrases",
    inputSchema: z.string().describe('the search query'),
    outputSchema: z.object({ notes: z.array(NoteSchema) }),
  },
  (query) => db.notes.search(query)
);

const result = await generate({
  model: geminiPro,
  tools: [createReminder, searchNotes],
  prompt: `
  You are a note-taking assistant. Using the tools available, try to answer the provided query.
  If you create a reminder, describe in text the reminder you created as a response.

  Query: I took a note about a meeting with Anna - can you set a reminder for the time?
  `,
});
console.log(result.text());

5. Оперативное управление с помощью Dotprompt.

Оперативное проектирование — это больше, чем просто настройка текста. Модель, которую вы используете, параметры, которые вы предоставляете, и запрашиваемый формат — все это влияет на качество вашего вывода. Genkit предлагает Dotprompt — формат файлов подсказок, который позволяет поместить все это в один файл для упрощения тестирования и организации.

---
model: vertexai/gemini-1.0-pro
config:
  temperature: 0.9
input:
  schema:
    properties:
      location: {type: string}
      style: {type: string}
      name: {type: string}
    required: [location]
  default:
    location: a restaurant
---

You are the world's most welcoming AI assistant and are currently working at {{location}}.

Greet a guest{{#if name}} named {{name}}{{/if}}{{#if style}} in the style of {{style}}{{/if}}.

6. Запускайте потоки локально

Генеративный ИИ дает массу вариаций результатов, поэтому экспериментировать очень важно. Локальный пользовательский интерфейс разработчика Genkit позволяет взаимодействовать с основными компонентами ИИ, такими как модели и средства извлечения, а также вручную тестировать сквозные потоки, включая весь написанный вами собственный код.

7. Осмотрите следы

Отладка сложных, многоэтапных рабочих процессов с помощью ИИ может оказаться сложной задачей из-за случайности и скрытых процессов. Genkit предоставляет инспектор трассировки в пользовательском интерфейсе разработчика, который позволяет проверять трассировки для каждого вызова модели и каждого шага вашего потока. Он может просматривать следы производства и даже рендерить изображения!

8. Открытый и расширяемый

Экосистема искусственного интеллекта растет быстрее, чем может успевать какая-либо одна команда. Genkit имеет открытую модель плагинов, которая обеспечивает встроенную интеграцию с новыми моделями, ретриверами и многим другим. Хотя команда Genkit поддерживает небольшой набор официальных плагинов, любой может свободно публиковать свои собственные плагины Genkit в NPM.

Не можете найти плагин для конкретной интеграции, которая вам нужна? Без проблем. Абстракции Genkit являются гибкими и позволяют легко создавать собственные компоненты, интегрируемые в инфраструктуру, например этот специальный ретривер Firestore:

import { embed } from '@genkit-ai/ai/embedder';
import { Document, defineRetriever } from '@genkit-ai/ai/retriever';
import { textEmbeddingGecko } from '@genkit-ai/vertexai';
import {
  FieldValue,
  VectorQuery,
  VectorQuerySnapshot,
} from '@google-cloud/firestore';
import { Firestore } from 'firebase-admin/firestore';
import * as z from 'zod';
import { augmentedPrompt } from './prompt';

const QueryOptions = z.object({
  k: z.number().optional(),
});

const firestoreArtifactsRetriever = defineRetriever(
  {
    name: 'firestore/artifacts',
    configSchema: QueryOptions,
  },
  async (input, options) => {
    const embedding = await embed({
      embedder: textEmbeddingGecko,
      content: input,
    });

    const db = new Firestore();
    const coll = db.collection('vectors' /* your collection name */);

    const vectorQuery: VectorQuery = coll.findNearest(
      'embedding' /* the name of the field that contains the vector */,
      FieldValue.vector(embedding),
      {
        limit: options.k ?? 3,
        distanceMeasure: 'COSINE',
      }
    );

    const vectorQuerySnapshot: VectorQuerySnapshot = await vectorQuery.get();
    return {
      documents: vectorQuerySnapshot.docs.map((doc) =>
        // doc.data() represents the Firestore document. You may process
        // it as needed to generate a Genkit document object, depending on your
        // storage format.
        Document.fromText(doc.data().content.text)
      ),
    };
  }
);

9. Создан для производства

Легко развертывайте свои потоки на любой платформе, которая может обслуж��вать при��ожение Express.js. Genkit полностью оснащен OpenTelemetry и пользовательскими метаданными для мониторинга производства корпоративного уровня.

Существуют также официальные плагины для Google Cloud и Firebase, которые помогут вам экспортировать данные в операционный пакет Google Cloud и интегрировать их со службами Firebase, такими как Cloud Functions for Firebase, Firebase Authentication, App Check и Firestore.

10. Авторизация и обеспечение безопасности

При создании любого общедоступного приложения важно защитить данные, хранящиеся в вашей системе. Когда дело доходит до LLM, необходимо проявлять особую тщательность, чтобы гарантировать, что модель обращается только к тем данным, которые ей нужны, вызовы инструментов правильно привязаны к пользователю, вызывающему LLM, а поток вызывается только проверенными клиентскими приложениями.

Genkit предоставляет механизмы для управления политиками и контекстами авторизации.

import { defineFlow, runFlow } from '@genkit-ai/flow';

export const selfSummaryFlow = defineFlow(
  {
    name: 'selfSummaryFlow',
    inputSchema: z.object({uid: z.string()}),
    outputSchema: z.string(),
    authPolicy: (auth, input) => {
      if (!auth) {
        throw new Error('Authorization required.');
      }
      if (input.uid !== auth.uid) {
        throw new Error('You may only summarize your own profile data.');
      }
    }
  },
  async (input) => { ... });

Интеграции

Genkit обеспечивает интеграцию с моделями искусственного интеллекта, векторными базами данных, платформами телеметрии и многим другим через свою систему плагинов. Следующие плагины поддерживаются командой Genkit:

Начать

Прочтите руководство по началу работы , чтобы узнать, как установить Genkit и запустить свой первый поток ИИ.