耗時1年，終於我也擁有屬於自己的AI工作流程

耗時1年，終於我也擁有屬於自己的AI工作流

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。

1. 緣起

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

2. 一個人的初心

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。

3. 取名Agentflow

3.1 技術架構

技術側核心分為2塊

前端：基於 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；
後端：基於 LangChain + LangGraph + Redis + Mysql + Prisma + Docker 實現流程的執行及大模型的調用等；

AgentFlow-整體的架構圖.drawio.png

3.2 支持能力

支持完全的私有化部署: 整個項目基於 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；
面向不同人群的快速使用
- 針對普通用戶：可以基於現有的模板快速生成工作流並預覽效果；
- 針對專業使用者：完全支持自定義工作流: 支持自定義節點/邊/屬性等
可視化編排流程: 支持DeepSeek+gpt4/5+gemini模型支持，MCP Servers 支持
工作流在線Debug
工作流管理：支持工作流的創建/編輯/刪除/預覽/導出等功能
工作流效果預覽