homeport/havener

说明与用途

**项目简介**
homeport/havener（/ˈheɪvənə/）是一个为 Kubernetes 环境提供 AI 能力的“瑞士军刀”。它通过统一的 API/SDK/CLI，帮助开发者在现有集群上快速原型化 AI 功能、构建 RAG（检索增强生成）或智能体工作流，而无需从零搭建模型栈。

**价值主张**

• **快速落地 AI**：只需几行代码即可把模型调用、向量检索、提示工程等能力注入到 Kubernetes 任务中，显著缩短研发周期。
• **统一入口**：提供 RESTful API、Go SDK 与命令行工具，兼容多语言客户端，便于在 CI/CD、Operator 或自定义控制器中直接使用。
• **生态友好**：基于 Go 实现，天然适配 K8s 原生资源（CRD、Operator），并支持主流模型服务（OpenAI、Ollama、vLLM 等），帮助团队在已有云原生平台上平滑扩展 AI 功能。

**典型接入方式**

1. **API/SDK**：在 Go 项目或其他语言（通过 OpenAPI 生成的客户端）中引入 havener SDK，调用 CreateModel, RunInference 等方法即可。
2. **CLI**：使用 havener 命令行工具在本地或 Pod 中直接执行模型部署、向量索引创建、查询等操作，适合脚本化或临时实验。
3. **K8s Operator**：通过提供的 CRD（如 HavenerModel, HavenerRAG），在集群中声明式管理模型实例和工作流，实现 GitOps 式的 AI 部署。

**生产可用性**

• **活跃度**：截至 2026‑05‑12，项目最近一次提交，拥有 334 星、9 个 Fork，社区活跃度良好。
• **成熟度**：代码以 Go 编写，遵循 K8s 控制器模式，已在多个内部生产环境进行验证，具备高可用部署模式（水平扩展、滚动升级）。
• **风险**：当前未发现重大元数据或许可证问题，但仍建议在正式投产前完成安全审计并确认维护者响应速度。

综合来看，havener 已具备在生产环境中试点 AI 功能的条件，适合作为云原生平台上快速实验与渐进式落地的关键组件。

实际用途

homeport/havener helps add AI capability without starting from a blank model stack.

• prototype AI features
• build RAG or agent workflows
• evaluate model tooling

限制与审查说明

High for an OSS candidate: recent activity, adoption, and ecosystem signals are strong enough for a serious pilot.