夜雨聆风故事是这样的。
我最近在开发一个 AI Agent，说白了就是想让 AI 能够真正替我干活的智能体。结果一上来就给我干懵了。
你想让 AI 替你干活，你得先接入各种模型吧。OpenAI 一套、Anthropic 一套、Google 一套、国内还有一堆。models.dev 上面光我能用的模型可能就有上百个，每一个都有自己的一套接口。我一开始是自己写适配层，写了一个星期，心态差点崩了。
换模型等于重写，这种日子什么时候是个头？
然后我就开始琢磨，能不能有什么抽象层，让我写一次，随便换模型。
然后我就发现了 Vercel AI SDK。
说实话，第一反应是，这玩意不是给 Next.js 用的吗？但是仔细一看，发现它其实是纯 TypeScript 的 SDK，跟什么框架都没关系。而且背后站着 Vercel 这个爸爸，Claude、GPT、Gemini 这些主流模型都给你接好了。
它解决的是什么问题
我们先把这个问题讲清楚。
现在做 AI 应用，你基本上得跟各种模型提供商打交道。OpenAI 一套接口，Anthropic 一套接口，Google 又一套。代码写多了之后，你会发现一个问题，就是你的业务逻辑会跟这些模型的 API 搅在一起。哪天你想把 GPT-4 换成 Claude，光改代码可能就得改一整天。
AI SDK 就是来解决这个的。
它抽象了一层 provider，不管你用哪家模型，GPT 也好 Claude 也好 Gemini 也好，调用方式一模一样。你就记住四个核心 API：generateText、streamText、generateObject、streamObject，剩下的事情框架帮你搞定。
三种接入方式：官方、兼容、自定义
这里需要好好讲一下，因为这是 AI SDK 最核心的东西，但文档里讲得比较散。
AI SDK 的 provider 接入有三种姿势：
第一种，官方 provider。 就是 Vercel 官方维护的包，@ai-sdk/openai、@ai-sdk/anthropic、@ai-sdk/google 这些。大厂官方出，品质有保证，更新也及时。
第二种，OpenAI 兼容接口。 现在大多数模型提供商，包括国内的那些，基本都是 OpenAI 兼容的。换句话说，他们的 API 格式跟 OpenAI 几乎一模一样，区别只是地址和 key 不一样。AI SDK 专门有一个包 @ai-sdk/openai-compatible 来处理这个，你只需要配置 baseURL 和 apiKey，剩下的代码一模一样：
import { createOpenAICompatible } from '@ai-sdk/openai-compatible'const myProvider = createOpenAICompatible({ name: 'my-provider', baseURL: 'https://api.models.dev/v1/chat/completions', apiKey: process.env.MY_PROVIDER_API_KEY,})第三种，社区 provider。 就是社区自发做的适配包。models.dev 上面那些模型，很多都有社区贡献的 provider。比如 MiniMax，有 vercel-minimax-ai-provider 这个包，直接 npm install 就能用，而且 MiniMax 比较特殊，它同时支持 Anthropic 格式和 OpenAI 格式两种接口。
核心 API 怎么用
先说最常用的 generateText。
import { generateText } from 'ai'import { openai } from '@ai-sdk/openai'const result = await generateText({ model: openai('gpt-4o'), prompt: '用一句话解释量子计算',})console.log(result.text)就这几行代码，你就完成了一次 AI 调用。result 里面还有 finishReason 告诉你为什么结束，还有 usage 告诉你消耗了多少 token。
但是说实话，简单的文本生成其实用场不多。真正有意思的是工具调用。
工具调用：让 AI 替你执行动作
我跟你说，AI SDK 的工具调用是我见过最优雅的实现。
import { generateText, tool } from 'ai'import { z } from 'zod'const result = await generateText({ model: openai('gpt-4o'), tools: { getWeather: tool({ description: '获取某个城市的天气', parameters: z.object({ location: z.string().describe('城市名称'), }), execute: async ({ location }) => { // 这里调用真实的天气 API return { temperature: 22, condition: '晴天' } }, }), }, prompt: '北京今天天气怎么样？',})你定义一个工具，告诉 AI 这个工具是干什么用的，AI 自己决定什么时候调用它。你不需要写什么复杂的意图识别、函数分发，框架全给你安排好了。
而且工具可以串联。AI 调用完一个工具，返回结果可以继续传给下一个工具，形成一个多步骤的 agent。
流式响应：做聊天机器人的关键
静态生成其实应用场景有限。现在大家都在做聊天机器人，核心就是流式响应。streamText 就是干这个的。
const result = await streamText({ model: openai('gpt-4o'), prompt: '给我讲一个关于机器人的故事',})for await (const chunk of result.textStream) { process.stdout.write(chunk)}这个 for await 会一块一块地拿到 AI 返回的内容，你可以实时展示给用户，体感完全不一样。
配合 Next.js 的 API route：
export async function POST(req: Request) { const { messages } = await req.json() const result = await streamText({ model: openai('gpt-4o'), messages, }) return result.toDataStreamResponse()}前端用一个 useChat hook 就能拿到完整聊天体验：
const { messages, input, handleInputChange, handleSubmit } = useChat({ api: '/api/chat',})说实话，这个 hook 封装得挺骚的。你基本上三五行代码就能撸出来一个能跑的聊天界面。
结构化输出：解决 AI 幻觉的利器
这是我觉得最有技术含量的部分。
有时候你不只是想让 AI 返回一段文字，你想要一个结构化的对象，比如 JSON。你可以让 AI 返回一个电影信息、用户资料、或者任何有固定格式的数据。
import { generateObject } from 'ai'import { z } from 'zod'const result = await generateObject({ model: openai('gpt-4o'), schema: z.object({ name: z.string().describe('电影名称'), year: z.number().describe('上映年份'), rating: z.number().describe('评分'), genres: z.array(z.string()).describe('类型'), }), prompt: '给我推荐一部好看的科幻电影',})const movie = result.objectconsole.log(movie.name, movie.year)配合 Zod 做 schema 定义，类型安全，而且 AI 会严格按照你定义的格式输出。
Provider 切换：真的就是换个名字的事
这是最让我惊讶的地方。
假设你原来用的是 OpenAI，现在想换成 Claude。正常情况下你得改一堆代码。但是在 AI SDK 里面：
import { openai } from '@ai-sdk/openai'import { anthropic } from '@ai-sdk/anthropic'// 原来const result = await generateText({ model: openai('gpt-4o'), prompt: '你好',})// 换成 Claudeconst result = await generateText({ model: anthropic('claude-3-5-sonnet-20241022'), prompt: '你好',})就改一个 model 定义，其他代码一模一样。换 provider 成本几乎为零。
具体怎么选：什么时候用什么方式
这个问题我一开始也挺懵的，后来想明白了。
官方 provider适合那些有官方维护包的大厂，OpenAI、Anthropic、Google 这些。你想用最新功能就选这个，更新最及时。
OpenAI 兼容接口适合那些提供 OpenAI 兼容 endpoint 的服务，比如 models.dev、硅基流动、国内各种模型服务平台。就是改个 baseURL 和 key，其他不动。
社区 provider适合那些有社区贡献包的小众供应商，比如 MiniMax。社区包的好处是针对那个供应商做了专门的适配，可能支持一些兼容接口没有的功能。比如 MiniMax 的社区包就同时支持 Anthropic 格式和 OpenAI 格式，而且帮你封装好了，你直接用就行：
import { minimax } from 'vercel-minimax-ai-provider'import { generateText } from 'ai'const result = await generateText({ model: minimax('MiniMax-M2.7'), prompt: '你好',})你说 MiniMax 这种，它其实同时支持 Anthropic 和 OpenAI 两种接口。你可以用社区包，也可以用 OpenAI 兼容接口，看你心情。但是社区包通常适配得更好一些，能用就用。
React Server Components：真正的屠龙刀
最后说一个我最喜欢的功能，RSC 集成。
现在 Next.js 主推的玩法是 React Server Components，你的 AI 逻辑可以直接跑在服务端，然后流式返回 UI 组件。
import { createAI } from '@ai-sdk/rsc'import { streamUI } from '@ai-sdk/rsc'export const AI = createAI({ actions: { continueStory: streamUI({ model: openai('gpt-4o'), initial:<div>生成中...</div>, prompt: '继续这个故事：从前有一只机器人...', text: ({ content }) =><p>{content}</p>, }), },})这是什么意思呢，就是你的 AI 不仅是返回文字，还能直接返回 React 组件。AI 说「给你显示一个天气卡片」，前端直接就渲染出来一个天气卡片。
不用你手动写什么「如果 AI 返回的是 weather，就渲染 WeatherCard 组件」，框架自动给你搞定。
怎么接入
安装其实很简单：
npm install ai @ai-sdk/openai用哪个 provider 就装对应的包，@ai-sdk/anthropic、@ai-sdk/google 之类的，装完直接 import 就能用。
社区 provider 就 npm install vercel-minimax-ai-provider 这种包名。OpenAI 兼容的话就是 @ai-sdk/openai-compatible。
文档其实写得挺清楚的，ai-sdk.dev 上面有完整的 guide，我之前踩的一些坑文档里其实都提到了，只能说我自己没仔细看。
我的一点感受
用了一周下来，我最大的感受是，这玩意的抽象层次拿捏得是真准。不像有些框架，抽象过度反而限制了你发挥空间；也不像有些框架，抽象了个寂寞，该写的还是得写。
AI SDK 的边界感很好，你用简单的功能就是几行代码搞定，你想深入定制也有足够的空间。
而且 TypeScript 支持是真的完整。我之前用其他一些库，类型提示经常对不上，AI SDK 这边基本没遇到这个问题。配合 Zod 做 schema 验证，开发体验很顺。
接入 models.dev 上面那些模型的时候，我只需要写一个 provider 配置，剩下的调用逻辑完全不用动。之前我自己写的那个适配层，跟这一比简直是原始社会。
当然它也有不完美的地方。比如流式响应的 lifecycle callbacks 现在还是 experimental 状态，生产环境用可能得掂量一下。不过核心功能已经非常稳了，这些周边功能慢慢补上问题不大。
如果你正在做 AI 应用开发，或者准备做，我真心建议把这个库玩一下。不一定是最终的解决方案，但是用来快速原型、验证想法，效率提升是很明显的。
好了，今天就聊这么多。如果你觉得这篇文章对你有启发，随手点个赞、在看、转发三连吧。如果想第一时间收到推送，也可以给我个星标。
谢谢你看我的文章，我们，下次再见。
