使用 Genkit Flows 在 JavaScript 中编排多模型 AI 管道：可组合 RAG 与向量数据库集成

在构建复杂的 AI 应用时，多模型编排是关键挑战之一。Genkit 作为 Google Firebase 的开源框架，提供了一种高效方式，通过 JavaScript/TypeScript 的 Flows 来协调多个大型语言模型（LLM），实现可组合的检索增强生成（RAG）管道。这种方法不仅简化了工作流定义，还通过插件系统支持无缝的模型切换和向量数据库集成，避免了传统框架的刚性约束。

Genkit Flows 的核心优势在于其轻量级设计：Flows 就像普通函数一样编写，但内置类型安全和调试支持。使用 Zod schema 定义输入输出，确保静态和运行时检查，这在多模型交互中尤为重要。例如，一个典型的 RAG 管道可能涉及嵌入生成、文档检索和最终生成步骤，每个步骤可以调用不同模型。通过 Flows，您可以将这些步骤串联成一个原子单元，支持流式输出以提升用户体验。

要落地多模型 RAG，首先配置 Genkit 环境。安装核心包：npm install genkit @genkit-ai/google-genai @genkit-ai/openai。初始化 Genkit 时加载插件：

import { genkit } from 'genkit';
import { googleAI } from '@genkit-ai/google-genai';
import { openai } from '@genkit-ai/openai';

const ai = genkit({
  plugins: [googleAI(), openai()],
});

这里，Google AI 插件提供 Gemini 模型用于嵌入和生成，OpenAI 插件则允许切换到 GPT 系列。插件系统是 Genkit 的扩展点，支持数百种模型，无需重写代码即可实现模型切换。实际参数建议：为嵌入模型选择维度为 768 的 Gemini-embedding-001（成本低，适合通用文本）；生成模型优先 Gemini-1.5-flash（上下文窗口 128K tokens，延迟 <1s）。

RAG 的可组合性体现在索引和检索抽象上。Genkit 不绑定特定向量 DB，而是通过插件集成如 Pinecone 或 Chroma。定义一个索引器 Flow 来处理文档摄入：

import { z } from 'genkit';
import { pinecone } from '@genkit-ai/pinecone'; // 假设插件

const ai = genkit({ plugins: [googleAI(), pinecone({ apiKey: process.env.PINECONE_API_KEY })] });

export const indexDocumentsFlow = ai.defineFlow(
  {
    name: 'indexDocuments',
    inputSchema: z.object({ texts: z.array(z.string()) }),
    outputSchema: z.object({ indexedCount: z.number() }),
  },
  async ({ texts }) => {
    const embeddings = await Promise.all(
      texts.map(text => ai.embed({ model: googleAI.embedder('gemini-embedding-001'), content: text }))
    );
    await ai.index({
      indexer: pinecone.indexer('my-index'),
      documents: texts.map((text, i) => ({ content: text, embedding: embeddings[i] })),
    });
    return { indexedCount: texts.length };
  }
);

此 Flow 先使用嵌入模型生成向量，然后索引到 Pinecone。参数优化：chunk 大小控制在 512-1024 tokens（使用 llm-chunk 库），重叠 20% 以保留上下文；索引维度匹配嵌入模型（768），使用 cosine 相似度。生产中，设置 upsert 批量大小为 100，避免 API 限流（Pinecone 免费层 100 QPS）。

检索阶段集成到生成 Flow 中，实现端到端管道。定义一个 RAG Flow，支持模型切换：

export const ragQueryFlow = ai.defineFlow(
  {
    name: 'ragQuery',
    inputSchema: z.object({ query: z.string(), model: z.enum(['gemini', 'gpt']) }),
    outputSchema: z.object({ response: z.string() }),
    streamSchema: z.string(),
  },
  async ({ query, model }, { sendChunk }) => {
    // 检索相关文档
    const docs = await ai.retrieve({
      retriever: pinecone.retriever('my-index'),
      query,
      options: { k: 5, threshold: 0.8 }, // top-5，相似度阈值
    });

    // 动态模型选择
    const genModel = model === 'gemini' 
      ? googleAI.model('gemini-1.5-flash') 
      : openai.model('gpt-4o-mini');

    const { stream } = ai.generateStream({
      model: genModel,
      prompt: `基于以下上下文回答查询：${docs.map(d => d.content).join('\n')}\n查询：${query}`,
      maxTokens: 500,
      temperature: 0.7,
    });

    for await (const chunk of stream) {
      sendChunk(chunk.text);
    }

    // 最终输出
    return { response: '完整响应' }; // 简化
  }
);

此例中，检索参数 k=5 平衡召回与噪声（过高增加提示长度，成本升 20%）；阈值 0.8 过滤低相关文档。模型切换通过 enum 输入实现，插件抽象隐藏 API 差异。流式支持 sendChunk，提升聊天界面响应（感知延迟减至 200ms）。

部署和监控是生产落地的关键。使用 Cloud Functions for Firebase 部署 Flows：

import { onCallGenkit } from 'firebase-functions/https';

export const ragEndpoint = onCallGenkit({}, ragQueryFlow);

配置：内存 512MB，超时 30s；启用 App Check 防滥用。监控点包括：延迟（目标 <2s，警报 >5s）、错误率（<1%）、token 使用（每日限 1M）。回滚策略：版本化 Flows，A/B 测试模型切换（e.g., 50% 流量 Gemini vs GPT）。风险控制：RAG 幻觉通过引用 docs 缓解，添加安全检查 Flow 过滤有害输出。

在实际项目中，这种管道适用于知识问答或客服系统。扩展时，集成工具调用：为检索添加外部 API（如天气数据），形成代理工作流。Genkit 的跨语言支持（JS/Go/Python）便于团队协作，但 JS SDK 最成熟，推荐从原型开始。

总体，Genkit Flows 提供参数化、可观测的多模型 RAG 框架。起步清单：1) 配置插件与 API 密钥；2) 定义简单索引/检索 Flow 测试本地；3) 集成向量 DB，调优 k/threshold；4) 部署到 Firebase，设置监控仪表盘；5) 评估准确率（使用 Genkit eval 工具，目标 >85%）。

通过这些步骤，您可以高效构建可靠的 AI 管道，适应业务变化。（字数：1028）