凌晨三点，我盯着屏幕上那行报错信息，心里只有一个念头：为什么切换个 AI 模型，就得重写半个项目？

这大概是每个做过 AI 应用的开发者都经历过的噩梦。上周还在用 GPT-4，这周老板说要省成本换成 Claude，你打开代码一看，API 调用方式完全不一样，错误处理逻辑也得推倒重来。改到第三天，你开始怀疑人生：我到底是在做产品，还是在给各家 AI 公司打工？

直到我遇到了 Vercel AI SDK 6。

那些年，我们踩过的坑

说实话，早期做 AI 开发的时候，我特别喜欢直接用官方 SDK。OpenAI 的 openai 包， Anthropic 的 @anthropic-ai/sdk，看起来很专业对吧？写起来也顺手。

问题是，这种“专业”是有代价的。

有次客户突然说要测试一下 Claude 的效果，我信心满满地说“没问题，一天搞定”。打开代码才发现，光是把 OpenAI 的流式响应改成 Anthropic 的格式，就花了整整一个下午。更别提那些细碎的差异：有的返回 content，有的返回 text；有的错误码是数字，有的是字符串

改完之后我就在想，这不对劲啊。都 2026 年了，为什么我还在干这种体力活？

一套代码，切换自如

Vercel AI SDK 6 的核心思路特别简单：既然每家 AI 公司的接口都不一样，那我就做一层统一的抽象。

听起来很技术对吧？但用起来的感觉就是——爽。

你看这段代码：

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

const { text } = await generateText({
  model: openai('gpt-4o'),
  prompt: '写一首关于代码的诗',
});

如果哪天你想换成 Claude，只需要改两行：

import { anthropic } from '@ai-sdk/anthropic';

const { text } = await generateText({
  model: anthropic('claude-3-5-sonnet-20240620'),
  prompt: '写一首关于代码的诗',
});

其他代码一个字都不用动。这种感觉就像你买了一台万能遥控器，不管家里换什么牌子的电视，遥控器都能用。

我第一次体验到这种丝滑的时候，内心是震撼的。这才是 2026 年该有的开发体验。

动手试试，别光看

理论说得再多，不如自己写一遍。我们从最简单的开始。

创建一个新项目，装几个包：

mkdir ai-sdk-starter
cd ai-sdk-starter
npm init -y
npm install ai @ai-sdk/openai dotenv typescript tsx -D

在根目录建个 .env 文件，把你的 OpenAI API Key 扔进去：

OPENAI_API_KEY=sk-你的密钥

创建 index.ts，写下你的第一个 AI 程序：

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

dotenv.config();

async function main() {
  const { text, usage } = await generateText({
    model: openai('gpt-4o'),
    prompt: '用一句话解释什么是 Vercel AI SDK',
  });

  console.log('AI 说:', text);
  console.log('花了多少 Token:', usage);
}

main().catch(console.error);

运行一下：npx tsx index.ts

你会看到 AI 的回答直接打在终端上。就这么简单。

这时候你可能会想，这不就是调个 API 吗，有什么稀奇的？别急，好戏在后面

让文字一个个蹦出来

你肯定用过 ChatGPT 对吧？那种文字一个个往外蹦的感觉，特别有“AI 在思考”的氛围感。这就是流式传输。

用传统方式实现流式传输，你得处理一堆 EventSource、ReadableStream，还要考虑各种边界情况。但在 AI SDK 里，这事儿简单到让人不敢相信。

把刚才的代码改成这样：

import { streamText } from 'ai';
import { openai } from '@ai-sdk/openai';
import dotenv from 'dotenv';

dotenv.config();

async function main() {
  const result = streamText({
    model: openai('gpt-4o'),
    prompt: '写一首关于程序员的打油诗',
  });

  for await (const chunk of result.textStream) {
    process.stdout.write(chunk);
  }
  
  console.log('
--- 写完了 ---');
}

main().catch(console.error);

再跑一次，这回你会看到诗句是一个字一个字“打”出来的。这种即时反馈感，就是现代 AI 应用的标配。

我第一次写出这个效果的时候，还特意录了个屏发给朋友炫耀。他回了一句：“就这？”我说：“就这，五分钟搞定的。”

这只是开胃菜

到这里，你已经学会了让 AI “说话”。但实际开发中，我们要的可不只是聊天。

有时候你需要 AI 返回结构化数据，比如从一段文字里提取姓名、电话、地址，还得是标准的 JSON 格式。有时候你需要让 AI 调用外部工具，比如查天气、搜数据库、发邮件。

这些才是 AI 应用的核心能力。纯聊天只是表面，真正的价值在于让 AI 成为你的“数字员工”，能干活、能决策、能跟现实世界交互。

下一篇教程，我会带你深入这些高级功能。我们会用 Zod Schema 强制 AI 输出结构化数据，再也不用写那些脆弱的正则表达式去解析回复；我们还会实现 Tool Calling，让你的 AI 长出“双手”，能够真正做事。

说到这，我突然想起上个月帮朋友做的一个项目。他们公司每天要处理几百封客户邮件，人工分类累得要死。我用 AI SDK 写了个小工具，让 AI 自动提取邮件里的关键信息（订单号、问题类型、紧急程度），然后调用他们的工单系统自动创建任务。

整个开发过程不到两天，上线之后客服团队直接给我发了个大红包。那一刻我才真正理解，AI 不是用来炫技的，是用来解决真实问题的。

写在最后

Vercel AI SDK 6 不是什么黑科技，它只是把复杂的事情变简单了。统一 API、流式传输、工具调用，这些能力本来就存在，只是以前你得自己拼凑。

现在有人帮你把积木搭好了，你只需要专注于做产品。

如果你是刚入门的开发者，这套工具能让你快速上手，不用被各种技术细节绊住脚。如果你是老手，它能帮你省下大把时间，把精力放在真正有价值的地方。

下一篇见，我们聊点更实战的东西。