Go开发者现可用Genkit Go，以型别安全Flow函式封装AI打造智能体

　　Google推出Genkit Go 1.0，这是其在Go语言生态开源人工智慧应用框架。Genkit Go 1.0已进入可部署于生产环境的阶段，官方也承诺会在1.x系列维持API相容性，既有程式码能随后续小版号更新持续编译与执行。同时，Google也释出genkit init:ai-tools命令，供开发者将人工智慧程式设计助理直接整合至开发流程。

　　Genkit是一套专为建构全端人工智慧应用而设计的框架，提供统一介面以存取多家模型供应商，并支援多模态内容、结构化输出、工具呼叫、RAG与代理式工作流等功能。对Go社群而言，最大特点是透过Flow这一概念，将人工智慧应用封装为型别安全的函式。开发者可利用Go struct定义输入输出，并结合JSON Schema进行检验，确保生成结果能以既定格式回传，降低资料不一致或解析错误的风险。

　　Flow在Genkit中是一个具名的函式单元，内部处理提示词与模型推论，外部则可作为HTTP端点提供呼叫。这样的封装方式让人工智慧任务具备可测试、可观测与可部署特性，与一般服务元件接近，方便版本管理与执行轨迹检视。开发者可以将Flow视为应用的逻辑单位，方便在专案中组合或重用。

　　模型支援方面，Genkit Go提供统一API与外挂机制提供多家模型供应商选项，包括Google Gemini/Vertex AI、OpenAI，同时支援OpenAI相容端点，因而可连接像Ollama等相容服务，要使用Anthropic Claude，可透过OpenAI相容端点或社群外挂整合，一般情况，开发者仅需调整模型名称或设定即可在不同供应商间切换，维持程式码结构稳定。同时，工具呼叫功能让模型能以结构化方式存取外部服务，例如定义查询天气的函式与输入格式，再由模型在生成过程中呼叫，将模型推论与后端逻辑清楚分离。

　　开发者可用CLI启动本机应用并呼叫视觉化介面，让开发者互动测试Flow、调整提示词与模型设定，或追踪详细的执行流程，包括延迟、Token消耗与成本。安装方式简单，macOS与Linux用户可一行指令就完成安装，Windows则可直接下载，整体工作流程与Go的原生开发习惯相容。

　　新增的genkit init:ai-tools指令则针对人工智慧助理整合，能够自动检测既有设定并安装Genkit MCP伺服器，提供常见工具如查询文件、列出Flow、执行测试输入与撷取执行追踪(Trace)，并产生GENKIT.md文件，说明不同语言与工具的整合方式。目前已支援Gemini CLI、Firebase Studio、Claude Code与Cursor，其他工具则可透过通用选项整合。