這篇文章其實蓄謀已久,只是一直沒有時間撰寫;今天終於可以將我這一年來學習AI相關的知識簡單分享給大家。
去年AI 爆火,Agent開發框架 如雨後春筍般曝出;langchain + langgraph
由於對Python + TS 版本支持較好,在社區已然讚賞頗高。
langgraph 可以 基於 圖的方式對Agent進行編排;此時我萌生出了 為什麼不能通過 可視化編排的方式將大模型 和 傳統的工作流結合起來 的想法。
於是抽週末的時間,搭建了一個「AI 工作流」,支持在線編輯/調試/預覽 工作流。
工作流
效果預覽
看到這裡很多朋友肯定會問,coze 和 dify 不就是做這個事情嗎?沒錯,coze 和 dify 從現在的角度確實比我更快地提供出來;coze 在前2個月 開源了 coze-studio,dify 在 24年初開源Agent,25年7月支持 MCP;而我產生AI工作流的想法其實早已萌生,只是一個在上班後的業餘項目,進度總歸是慢了一點。
看了上面預覽圖的同學肯定懷疑:你不會是copy的coze 開源項目吧?我可以很正式的回答:沒有使用coze的一行代碼
coze產品和我之前的想法是那麼的契合,以至於 我都在懷疑自己,為什麼不直接跳槽過去; coze 是字節大量優秀的開發人員智慧的結晶;而我的項目是一個人奮鬥1年的結果,可能也只是coze 產品模型內的一小塊(PS: 螳螂撼大樹)。
但我想說的是 《雖遲但到》。已經不記得多少個10點多下班後的日夜,一個人貓在書房 琢磨著這個項目;我的想法很簡單:做一個簡單易用的工作流,支持各類擴展,幫助自己快速生成API/AI圖片等
。
技術側核心分為2塊
Next.js + Antd + xyflow
實現 工作流的可視化編輯/調試/預覽;以及權限管理/用戶管理/工作流管理等功能;LangChain + LangGraph + Redis + Mysql + Prisma + Docker
實現 流程的執行及大模型的調用等;Docker + Docker-compose
進行部署,支持完全的私有化部署;只需修改自己的 API Key即可 快速接入 openai/gemini/deepseek等大模型;使用流程非常簡單,只需以下2個步驟即可