开源AI工作流
AI Skill Hub 推荐使用：开源AI工作流 是一款优质的Agent工作流。AI 综合评分 7.5 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。
开源AI工作流 工作流的设计遵循"最小配置，最大复用"原则：核心逻辑已经封装好，用户只需配置自己的 API Key 和业务参数即可快速上手。工作流内置错误处理和重试机制，在网络波动或 API 限速等情况下仍能稳定运行，适合作为生产环境的自动化基础设施。
在实际部署时，建议先在测试环境中运行 3-5 次，验证各个环节的输出结果符合预期，再部署到生产环境。AI Skill Hub 评分 7.5 分，是同类 Agent 工作流中的精选推荐。
Agentic research control plane，提供queue state，worker preflight，wake-gated execut功能，提高AI工作流效率和可靠性
开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
Agentic research control plane，提供queue state，worker preflight，wake-gated execut功能，提高AI工作流效率和可靠性
开源AI工作流 是一套完整的 AI Agent 自动化工作流方案。通过可视化的节点编排，将复杂的多步骤任务拆解为清晰的自动化流程，实现全程无人值守的智能处理。支持与数百种外部服务和 API 无缝集成，适合构建数据处理管线、业务自动化和 AI 辅助决策系统。
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
# 方式一：pip 安装（推荐）
pip install enoch-agentic-research-system
# 方式二：虚拟环境安装（推荐生产环境）
python -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install enoch-agentic-research-system
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/alias8818/enoch-agentic-research-system
cd enoch-agentic-research-system
pip install -e .
# 验证安装
python -c "import enoch_agentic_research_system; print('安装成功')"
- 访问 GitHub 仓库获取工作流文件
- 在对应平台（Dify / Flowise / Make 等）中找到「导入工作流」功能
- 上传工作流文件
- 按照提示配置必要的环境变量和 API Key
- 运行测试确认流程正常后投入使用
# 命令行使用
enoch-agentic-research-system --help
# 基本用法
enoch-agentic-research-system input_file -o output_file
# Python 代码中调用
import enoch_agentic_research_system
# 示例
result = enoch_agentic_research_system.process("input")
print(result)
# enoch-agentic-research-system 配置文件示例（config.yml） app: name: "enoch-agentic-research-system" debug: false log_level: "INFO" # 运行时指定配置文件 enoch-agentic-research-system --config config.yml # 或通过环境变量配置 export ENOCH_AGENTIC_RESEARCH_SYSTEM_API_KEY="your-key" export ENOCH_AGENTIC_RESEARCH_SYSTEM_OUTPUT_DIR="./output"
Enoch Agentic Research System
Enoch Control Plane is an agentic research control plane: it queues ideas, gates dispatch, supervises local AI runs, preserves evidence, and packages AI-generated research artifacts with provenance instead of pretending autonomous work is just a script.
Getting started
For a local developer smoke test, start with docs/quickstart.md.
For a full deployment (control VM, worker machine, systemd service, dashboard/API smoke tests, optional Pushover alerts, dispatch checks, and paper-writer settings), see docs/deployment-guide.md.
For individual config fields, start from config.example.json and see docs/configuration-reference.md. Required values:
- control API bearer token
- completion callback URL/token
- project root and dispatch script path
- worker URL/token
- optional notification and paper-writer provider settings
Never commit live config files or credentials.
Main components
- Control plane API — queue state, project state, publication automation/finalization state, pause/maintenance controls, and dispatch decisions; built with FastAPI and LangGraph-era graph boundaries.
- Worker gate — proves a run is actually done, not just agent-session-closed: process-tree tracking and CPU/GPU quiet-window telemetry sustained over a configurable window. Older code/config names may still say
wake_gate; treat that as compatibility naming. - Worker preflight — authenticated health checks against the worker before dispatching new work, so dispatch fails early rather than silently.
- Single-lane safety — prevents overlapping GPU-heavy work on constrained local hardware; the control plane holds the lock, not the dispatch script.
- Evidence sync — copies run notes, metrics, result summaries, evidence bundles, and claim ledgers from worker projects into the control plane before artifact generation begins.
- Artifact writer — generates publication-style Markdown reports from evidence context while preserving uncertainty and provenance; does not free-float against raw model output.
- Packaging/provenance checks — scan generated reports for placeholder citations, missing provenance, and missing evidence artifacts before they enter the corpus; they do not validate scientific correctness or peer review.
该项目提供了一个开源的AI工作流管理系统，具有queue state，worker preflight，wake-gated execut功能，提高了AI工作流的效率和可靠性，但需要进一步优化和完善
- 可视化 Agent 工作流编排，无需编写复杂代码
- 支持多步骤自动化任务链，实现全流程无人值守
- 与外部 API、数据库和第三方服务无缝集成
- 内置错误处理与自动重试机制，保障稳定运行
- 提供可复用的自动化模板，快速在同类场景部署
- 自动化日常重复性工作，将精力集中于创造性任务
- 构建数据采集 → 处理 → 输出的完整自动化管线
- 实现跨平台、跨系统的数据流转和业务协同
- +大幅减少重复性人工操作
- +可视化流程，清晰直观
- +可扩展性强，支持复杂场景
- −初始配置和调试需投入一定时间
- −强依赖外部服务的稳定性
- −复杂场景需具备一定技术基础
该工具使用 NOASSERTION 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
📄 NOASSERTION — 请查阅原始协议条款了解具体使用限制。
总体来看，开源AI工作流 是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | enoch-agentic-research-system |
| 原始描述 | 开源AI工作流：Agentic research control plane: queue state, worker preflight, wake-gated execut。⭐13 · Python |
| Topics | workflowagentic-aiagentic-researchcontrol-planeenochlanggraphpython |
| GitHub | https://github.com/alias8818/enoch-agentic-research-system |
| License | NOASSERTION |
| 语言 | Python |
收录时间：2026-05-23 · 更新时间：2026-05-23 · License：NOASSERTION · AI Skill Hub 不对第三方内容的准确性作法律背书。