2025 JavaScript AI 开发新风向：9 大开源库引领技术浪潮

虽然 Python 在 AI 领域有绝对优势，生态非常完整，但 JS/TS 也有它的独到之处，足以成为开发 AI 应用时的一匹“黑马”：

• 性能优势：JavaScript/TypeScript 异步和非阻塞 I/O 的模式，在很多基于 Web 的场景里，性能表现并不逊色。
• 无缝集成：想把 AI 功能嵌入到网页端，JS/TS 跟前端技术能完美配合，无需不断切换语言。
• 包管理：npm、Yarn 等工具用起来很顺手，管理依赖和发布包都相对便捷。

所以，尽管 Python 仍是各种 AI 库的“官方首选”（大部分新库都会先出 Python 版本），但在 Web 开发领域，JavaScript 的地位依然难以撼动。

如果你正打算在前端或后端用 JS/TS 来做 AI 应用，这里整理了 9 个我认为最有价值的开源库，可以帮你大幅提升开发效率！可以去它们的 GitHub 仓库看看，贡献代码、提 issue、或者顺手点个 Star 支持一下。

1. Composio  —— 快速构建可靠的 AI Agent

很多人想用 AI Agent 来自动执行外部工具（比如 Discord、Slack、Calendar 等）的复杂工作流，但发现做起来并不轻松。Composio 就是专门为此而生的。

Composio 是一个支持多平台集成的 AI 开发工具，和 100+ 常见平台无缝连接，比如 CRM、效率工具、HR、开发者生态等，能轻松打造自动化的复杂工作流。它本身提供了原生的 JavaScript 支持，只要安装它就能在你的 JS/TS 项目里调用 AI Agent 相关功能。

npm install composio-core openai
# yarn add composio-core openai
# pnpm add composio-core openai

下面举个简单的例子，假设我们想让用户连接他们的 GitHub 账号，然后自动帮他们在 GitHub 上给某个仓库点 Star：

import { OpenAI } from "openai";
import { OpenAIToolSet } from "composio-core";

const toolset = new OpenAIToolSet({
  apiKey: process.env.COMPOSIO_API_KEY,
});

async function setupUserConnectionIfNotExists(entityId) {
  const entity = await toolset.client.getEntity(entityId);
  const connection = await entity.getConnection('github');

  if (!connection) {
    const connection = await entity.initiateConnection(appName);
    console.log("Log in via: ", connection.redirectUrl);
    return connection.waitUntilActive(60);
  }

  return connection;
}

async function executeAgent(entityName) {
  const entity = await toolset.client.getEntity(entityName);
  await setupUserConnectionIfNotExists(entity.id);

  const tools = await toolset.get_actions({ actions: ["github_activity_star_repo_for_authenticated_user"] }, entity.id);
  const instruction = "Star a repo ComposioHQ/composio on GitHub";

  const client = new OpenAI({ apiKey: process.env.OPEN_AI_API_KEY });
  const response = await client.chat.completions.create({
    model: "gpt-4-turbo",
    messages: [{
      role: "user",
      content: instruction,
    }],
    tools: tools,
    tool_choice: "auto",
  });

  console.log(response.choices[0].message.tool_calls);
  await toolset.handle_tool_call(response, entity.id);
}

executeAgent("joey");

Composio 还能无缝支持 LangChain、LlamaIndex、CrewAi 等热门框架，让 Agent 直接帮你执行代码。可以去它的官方文档或仓库查看更详细的示例和高级玩法。

地址：点击这里

2. Instructor-JS —— 用结构化方式提取 LLM 数据

过去从大型语言模型 (LLM) 的输出里提取信息一直很麻烦，总要想办法解析并校验数据。Instructor-JS 则提供了一个简洁的解决方案，让你可以用结构化的方式抽取并验证 LLM 返回的结果。在 JavaScript 里，它用 Zod 进行数据校验，也同时支持 Python 环境。

只需要几行代码就能把无结构的 LLM 输出，变得有迹可循。示例：

npm i @instructor-ai/instructor zod openai

import Instructor from "@instructor-ai/instructor";
import OpenAI from "openai";
import { z } from "zod";

const oai = new OpenAI({
  apiKey: process.env.OPENAI_API_KEY,
  organization: process.env.OPENAI_ORG_ID
});

const client = Instructor({
  client: oai,
  mode: "TOOLS"
});

const UserSchema = z.object({
  age: z.number().describe("The age of the user"),
  name: z.string()
});

const user = await client.chat.completions.create({
  messages: [{ role: "user", content: "Jason Liu is 30 years old" }],
  model: "gpt-3.5-turbo",
  response_model: { 
    schema: UserSchema,
    name: "User"
  }
});

console.log(user);
// { age: 30, name: "Jason Liu" }

去它的官方文档或仓库看看，可以更灵活地处理各种数据提取与验证场景。

地址：点击这里

3. CopilotKit —— 一键打造 React AI 助手

如果你正在做一个需要嵌入 AI 助手的 React 项目，可以试试 CopilotKit。它封装了一套非常方便的 React 组件，比如文本框、聊天面板、侧边栏等，让你几乎零配置就能给应用添加 AI 功能。

npm i @copilotkit/react-core @copilotkit/react-ui

示例：引入一个 CopilotSidebar，再包裹进 CopilotKit Provider。这样就能在你的应用里自由切换聊天和助手功能，还能自己定制 UI 风格。

"use client";
import { CopilotKit } from "@copilotkit/react-core";
import { CopilotSidebar } from "@copilotkit/react-ui";
import "@copilotkit/react-ui/styles.css";

export default function RootLayout({children}) {
  return (
    <CopilotKit publicApiKey="你的 API Key 或者自行托管">
      <CopilotSidebar>
        {children}
      </CopilotSidebar>
    </CopilotKit>
  );
}

更多细节和定制方法，可以去它的官方文档查看。

地址：点击这里

4. E2B —— 为 AI 应用提供安全的代码执行环境

有些 AI Web 应用场景下，LLM 需要实时执行代码，比如 AI 数据分析、软件开发助理等。E2B 的 Code Interpreter 就是为此准备的：它提供了一个安全可控的云端沙盒，让 LLM 可以“动手”跑代码，而且支持长时间运行、调试、导入 GitHub 仓库等。

使用它的 Code Interpreter SDK，可以轻松把 AI 生成的代码放在 E2B 的 Sandbox 上跑，甚至包含 Jupyter Server，能做各种复杂计算。安装方法也很简单：

npm i @e2b/code-interpreter

然后使用示例：

import { CodeInterpreter } from '@e2b/code-interpreter';

const sandbox = await CodeInterpreter.create();
await sandbox.notebook.execCell('x = 1');

const execution = await sandbox.notebook.execCell('x += 1; x');
console.log(execution.text); // 输出 2

await sandbox.close();

如果你想让 GPT-4 或其他模型帮你写代码，然后自动执行检验，可以考虑在你的后端或服务端嵌入 E2B，稳定又安全。

地址：点击这里

5. LanceDB —— 高性能向量数据库

很多 AI 应用需要存储、检索文本、图像、语音等内容的嵌入向量，向量数据库就成了必不可少的组件。LanceDB 是一个速度快、功能全的开源向量数据库，并且直接支持 JavaScript。

它拥有如下特性：

• 高速向量检索
• 多模态支持
• Zero-copy 架构
• 自动数据版本管理
• GPU 加速查询

安装方法：

npm install @lancedb/lancedb

简单示例：

创建表并做向量检索。

import * as lancedb from "@lancedb/lancedb";

const db = await lancedb.connect("data/sample-lancedb");
const table = await db.createTable("vectors", [
  { id: 1, vector: [0.1, 0.2], item: "foo", price: 10 },
  { id: 2, vector: [1.1, 1.2], item: "bar", price: 50 },
], { mode: 'overwrite' });

const query = table.vectorSearch([0.1, 0.3]).limit(2);
const results = await query.toArray();
console.log(results);

适用于做相似度检索、推荐系统或多模态检索等场景。可去官方文档了解更多。

地址：点击这里

6. Trigger.Dev —— 长时后台任务，不再担心超时

Trigger 是一个开源平台与 SDK，主打“长时间运行的异步后台任务”，让你再也不用因为超时问题而绞尽脑汁。它还支持自动重试、可视化追踪与调试，和各种 AI API 一起配合非常顺手。

import { task } from "@trigger.dev/sdk/v3";
// 用 Dall-E 3 生成图片的例子
export const generateContent = task({
  id: "generate-content",
  retry: {
    maxAttempts: 3,
  },
  run: async ({ theme, description }: Payload) => {
    const textResult = await openai.chat.completions.create({
      model: "gpt-4o",
      messages: generateTextPrompt(theme, description),
    });

    if (!textResult.choices[0]) {
      throw new Error("No content, retrying…");
    }

    const imageResult = await openai.images.generate({
      model: "dall-e-3",
      prompt: generateImagePrompt(theme, description),
    });

    if (!imageResult.data[0]) {
      throw new Error("No image, retrying…");
    }

    return {
      text: textResult.choices[0],
      image: imageResult.data[0].url,
    };
  },
});

如果你有一些调用 AI 接口可能耗时几十秒甚至更长的任务，Trigger 会让它们执行得更加平稳。

地址：点击这里

7. Vercel AI SDK —— 全栈 TypeScript AI 开发套件

想用 Next.js、React、Vue 或 SvelteKit 来搭配 AI，Vercel AI SDK 几乎是当下最整合友好的选择之一。它有三大模块：

• AI SDK Core：统一封装了对各种 LLM 的调用接口。
• AI SDK UI：提供了无框架限制的 hooks 来快速构建聊天或其他交互式的生成式 UI。
• AI SDK RSC：让你在 React 服务端组件 (RSC) 里做流式的生成式渲染。

安装方法也很简单：

npm install ai

然后选择你喜欢的模型服务，比如 OpenAI，做一次示例调用：

import { generateText } from 'ai';
import { openai } from '@ai-sdk/openai'; // 记得设置 OPENAI_API_KEY

async function main() {
  const { text } = await generateText({
    model: openai('gpt-4-turbo'),
    system: 'You are a friendly assistant!',
    prompt: 'Why is the sky blue?',
  });

  console.log(text);
}

main();

可以去它的官方文档查看更多在前端或全栈场景下的最佳实践。

地址：点击这里

8. Julep —— AI 应用的托管式后端

如果你想构建拥有“长期记忆”的 AI 应用，那么 Julep（一个开源的 AI 平台）就能派上用场。它的定位类似“给 AI 用的 Firebase/Supabase”，提供了以下功能：

• Memory：支持用户管理、存储各种交互上下文。
• Knowledge：自带 RAG（检索增强生成）和上下文管理。
• Tools：无缝对接 Composio 或其他工具。
• Tasks（即将上线）

配合 JS/TS 也很简单，更多细节可去它的仓库或文档查看。

地址：点击这里

9. Gateway —— 一条 API 同时接入 200+ 种 LLM

最后，如果你的应用需要集成好几个 LLM 提供商的模型，或者你想在服务端支持多种大模型做负载均衡，那么 Gateway 可以让你一次性搞定。一条统一的 API，就能访问 200+ 个开放或闭源的模型，而且还自带：

• 缓存、重试、超时等高级特性
• Fallback 机制
• 负载均衡
• 支持 Edge 部署，获取更低延迟

本地快速启动：

npx @portkey-ai/gateway

然后就能用统一的方式对接各种 LLM。官方 GitHub 有详细的配置和使用示例。

地址：点击这里

总结

AI 开发生态日新月异，要想快速构建强大的 AI 应用，这些 JavaScript 库值得你优先关注：

1. Composio —— 一站式集成多平台、快速构建 AI Agent
2. Instructor-JS —— 结构化提取并校验 LLM 输出
3. CopilotKit —— 在 React 项目中快速嵌入 AI 助手
4. E2B —— 安全的云端代码执行环境
5. LanceDB —— 高性能向量数据库
6. Trigger —— 稳定且可重试的长时异步任务
7. Vercel AI SDK —— 全栈 TS AI 开发首选
8. Julep —— 为 AI 提供类似 Firebase 的后端支持
9. Gateway —— 一个接口整合 200+ LLM，便于快速扩展

这些库不仅能简化你的开发流程，也能让你的 AI 应用更灵活、更高效。可以试着逐一体验，寻找最适合自己业务需求的组合。

以上关于2025 JavaScript AI 开发新风向：9 大开源库引领技术浪潮的文章就介绍到这了，更多相关内容请搜索码云笔记以前的文章或继续浏览下面的相关文章，希望大家以后多多支持码云笔记。