vercel-ai-sdk-expert - SKILL

name: vercel-ai-sdk-expert
description: “Expert in the Vercel AI SDK. Covers Core API (generateText, streamText), UI hooks (useChat, useCompletion), tool calling, and streaming UI components with React and Next.js.”
risk: safe
source: community
date_added: “2026-03-06”

Vercel AI SDK 专家

您是一位生产级的 Vercel AI SDK 专家。您帮助开发者构建 AI 驱动的应用、聊天机器人和生成式 UI 体验，主要使用 Next.js 和 React。您是 ai（AI SDK Core）和 @ai-sdk/react（AI SDK UI）两个包的专家。您理解流式传输、语言模型集成、系统提示词、工具调用（函数调用）和结构化数据生成。

何时使用此技能

• 为 React 或 Next.js 应用添加 AI 聊天或文本生成功能时
• 将 LLM 响应流式传输到前端 UI 时
• 使用 LLM 实现工具调用/函数调用时
• 使用 generateObject 从 LLM 返回结构化数据（JSON）时
• 构建 AI 驱动的生成式 UI（流式 React 组件）时
• 从直接调用 OpenAI/Anthropic API 迁移到统一的 AI SDK 时
• 排查 useChat 或 streamText 的流式传输问题时

核心概念

为什么选择 Vercel AI SDK？

Vercel AI SDK 是一个统一框架，抽象了各提供商特定的 API（OpenAI、Anthropic、Google Gemini、Mistral）。它提供两个主要层次：

服务端生成（Core API）

基本文本生成

import { generateText } from "ai";
import { openai } from "@ai-sdk/openai";

// Returns the full string once completion is done (no streaming)
const { text, usage } = await generateText({
model: openai("gpt-4o"),
system: "You are a helpful assistant evaluating code.",
prompt: "Review the following python code…",
});

console.log(text);
console.log(`Tokens used: ${usage.totalTokens}`);

流式文本

// app/api/chat/route.ts (Next.js App Router API Route)
import { streamText } from 'ai';
import { openai } from '@ai-sdk/openai';

// Allow streaming responses up to 30 seconds
export const maxDuration = 30;

export async function POST(req: Request) {
const { messages } = await req.json();

const result = streamText({
model: openai('gpt-4o'),
system: 'You are a friendly customer support bot.',
messages,
});

// Automatically converts the stream to a readable web stream
return result.toDataStreamResponse();
}

结构化数据（JSON）生成

import { generateObject } from 'ai';
import { openai } from '@ai-sdk/openai';
import { z } from 'zod';

const { object } = await generateObject({
model: openai('gpt-4o-2024-08-06'), // Use models good at structured output
system: 'Extract information from the receipt text.',
prompt: receiptText,
// Pass a Zod schema to enforce output structure
schema: z.object({
storeName: z.string(),
totalAmount: z.number(),
items: z.array(z.object({
name: z.string(),
price: z.number(),
})),
date: z.string().describe("ISO 8601 date format"),
}),
});

// `object` is automatically fully typed according to the Zod schema!
console.log(object.totalAmount);

前端 UI 钩子

useChat（对话式 UI）

// app/page.tsx (Next.js Client Component)
"use client";

import { useChat } from "ai/react";

export default function Chat() {
const { messages, input, handleInputChange, handleSubmit, isLoading } = useChat({
api: "/api/chat", // Points to the streamText route created above
// Optional callbacks
onFinish: (message) => console.log("Done streaming:", message),
onError: (error) => console.error(error)
});

return (
<div className="flex flex-col h-screen max-w-md mx-auto p-4">
<div className="flex-1 overflow-y-auto mb-4">
{messages.map((m) => (
<div key={m.id} className={`mb-4 ${m.role === 'user' ? 'text-right' : 'text-left'}`}>
<span className={`p-2 rounded-lg inline-block ${m.role === 'user' ? 'bg-blue-500 text-white' : 'bg-gray-200'}`}>
{m.target || m.content}
</span>
</div>
))}
</div>

<form onSubmit={handleSubmit} className="flex gap-2">
<input
value={input}
onChange={handleInputChange}
placeholder="Say something…"
className="flex-1 p-2 border rounded"
disabled={isLoading}
/>
<button type="submit" disabled={isLoading} className="bg-black text-white p-2 rounded">
Send
</button>
</form>
</div>
);
}

工具调用（函数调用）

工具允许 LLM 与您的代码交互，在响应用户之前获取外部数据或执行操作。

服务端工具定义

// app/api/chat/route.ts
import { streamText, tool } from 'ai';
import { openai } from '@ai-sdk/openai';
import { z } from 'zod';

export async function POST(req: Request) {
const { messages } = await req.json();

const result = streamText({
model: openai('gpt-4o'),
messages,
tools: {
getWeather: tool({
description: 'Get the current weather in a given location',
parameters: z.object({
location: z.string().describe('The city and state, e.g. San Francisco, CA'),
unit: z.enum(['celsius', 'fahrenheit']).optional(),
}),
// Execute runs when the LLM decides to call this tool
execute: async ({ location, unit = 'celsius' }) => {
// Fetch from your actual weather API or database
const temp = location.includes("San Francisco") ? 15 : 22;
return `The weather in ${location} is ${temp}° ${unit}.`;
},
}),
},
// Allows the LLM to call tools automatically in a loop until it has the answer
maxSteps: 5,
});

return result.toDataStreamResponse();
}

多步工具调用的 UI

使用 maxSteps 时，如果您在 UI 中处理中间工具调用，useChat 钩子会显示它们。

// Inside the `useChat` messages.map loop
{m.role === 'assistant' && m.toolInvocations?.map((toolInvocation) => (
<div key={toolInvocation.toolCallId} className="text-sm text-gray-500">
{toolInvocation.state === 'result' ? (
<p>✅ Fetched weather for {toolInvocation.args.location}</p>
) : (
<p>⏳ Fetching weather for {toolInvocation.args.location}…</p>
)}
</div>
))}

最佳实践

• ✅ 该做： 使用 openai('gpt-4o') 或 anthropic('claude-3-5-sonnet-20240620') 格式（来自 @ai-sdk/openai 等特定提供商包），而不是旧的边缘运行时包装器。
• ✅ 该做： 使用 generateObject() 时，提供严格的 Zod schema 和清晰的 system 提示词。
• ✅ 该做： 在使用 streamText 的 Next.js API 路由中设置 maxDuration = 30（Pro 计划可更高），因为 LLM 流式响应需要时间，而 Vercel 的默认值是 10-15 秒。
• ✅ 该做： 使用带全面 description 标签的 tool() 作用于 Zod 参数，因为 LLM 完全依赖这些字符串来理解何时以及如何调用工具。
• ✅ 该做： 提供工具时启用 maxSteps: 5（或类似值），否则 LLM 在查看工具结果之后无法回复用户！
• ❌ 不该做： 在使用 streamText 的 Next.js App Router API 路由中忘记返回 result.toDataStreamResponse()；标准 JSON 响应会破坏分块。
• ❌ 不该做： 盲目信任 generateObject 的输出而不做验证，即使 Zod 强制了形状 — 始终使用 try/catch 处理失败状态。

故障排查

问题： 流式聊天在 10-15 秒后突然中断。
解决方案： 无服务器函数超时了。在 Next.js API 路由文件中添加 export const maxDuration = 30;（或您的计划限制值）。

问题： "工具执行失败"或 LLM 使用工具后未返回答案。
解决方案： 除非您提供 maxSteps，否则 streamText 会在工具调用完成后立即停止。设置 maxSteps: 2（或更高），让 LLM 查看工具结果并构建最终的文本响应。

局限性

• 仅当任务与上述描述的范围明确匹配时，才使用此技能。
• 不要将输出视为针对特定环境的验证、测试或专家审查的替代品。
• 如果缺少所需的输入、权限、安全边界或成功标准，请停下来询问澄清。