能力标签

⚙️

Agent工作流

开源AI工作流

基于 TypeScript · 无代码搭建完整 AI 自动化流程

英文名：llm-newsletter-kit-core

⭐ 43 Stars 🍴 9 Forks 💻 TypeScript 📄 Apache-2.0 🏷 AI 7.5分

7.5AI 综合评分

workflowautomationemail-automationframeworkllmnewsletter

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

开源AI工作流是 AI Skill Hub 本期精选Agent工作流之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

开源AI工作流是一套完整的 AI Agent 自动化工作流方案。随着 AI 能力的不断提升，基于 Agent 的自动化工作流正在成为提升个人和团队效率的核心方式。区别于传统的 RPA 自动化（模拟鼠标键盘操作），AI Agent 工作流通过理解任务意图、动态规划执行路径，能够处理更复杂的非结构化任务。

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。

📋 工具概览

一个可扩展的框架来自动化你的整个新闻通讯工作流。它处理数据、自动化电子邮件等。值得关注的开源项目，适合开发者和企业使用。

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。

GitHub Stars

⭐ 43

开发语言

TypeScript

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

Apache-2.0

AI 综合评分

7.5 分

工具类型

Agent工作流

Forks

📖 中文文档

以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。

一个可扩展的框架来自动化你的整个新闻通讯工作流。它处理数据、自动化电子邮件等。值得关注的开源项目，适合开发者和企业使用。

📌 核心特色

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

🎯 主要使用场景

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

以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。

安装命令

# 方式一：npm 全局安装
npm install -g llm-newsletter-kit-core

# 方式二：npx 直接运行（无需安装）
npx llm-newsletter-kit-core --help

# 方式三：项目依赖安装
npm install llm-newsletter-kit-core

# 方式四：从源码运行
git clone https://github.com/heripo-lab/llm-newsletter-kit-core
cd llm-newsletter-kit-core
npm install
npm start

📋 安装步骤说明

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

以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。

常用命令 / 代码示例

# 命令行使用
llm-newsletter-kit-core --help

# 基本用法
llm-newsletter-kit-core [options] <input>

# Node.js 代码中使用
const llm_newsletter_kit_core = require('llm-newsletter-kit-core');

const result = await llm_newsletter_kit_core.run(options);
console.log(result);

以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。

配置示例

# llm-newsletter-kit-core 配置说明
# 查看配置选项
llm-newsletter-kit-core --config-example > config.yml

# 常见配置项
# output_dir: ./output
# log_level: info
# workers: 4

# 环境变量（覆盖配置文件）
export LLM_NEWSLETTER_KIT_CORE_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 44/100 查看 GitHub 原文 →

以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。

Installation

npm i @llm-newsletter-kit/core

Node.js >= 22 (CI verified with 24.x)

Setup

Install playground dependencies:

   npm install -D tsx @ai-sdk/openai

Copy example data files and customize:

   mkdir -p playground/data
   cp playground/data-examples/config.example.json playground/data/config.json
   cp playground/data-examples/articles.example.json playground/data/articles.json
   cp playground/data-examples/template.example.html playground/data/template.html

Edit playground/data/config.json with your OpenAI API key and options.
Edit playground/data/articles.json with your target articles.
(Optional) Replace playground/data/template.html with your actual email template.

Development / Build / Test / CI

For the full developer guide (environment, scripts, testing/coverage, and CI), see CONTRIBUTING.md.

Quick Start

import type { GenerateNewsletterConfig } from '@llm-newsletter-kit/core';

import { createOpenAI } from '@ai-sdk/openai';
import { GenerateNewsletter } from '@llm-newsletter-kit/core';

const openai = createOpenAI({ apiKey: process.env.OPENAI_API_KEY });

const config: GenerateNewsletterConfig<string> = {
  contentOptions: {
    outputLanguage: 'English',
    expertField: ['Technology', 'AI'],
    // freeFormIntro: true,       // Optional: free-form briefing intro
    // titleContext: 'AI Weekly',  // Optional: keyword to include in title
  },
  dateService: {
    getPublicationISODateString: () => new Date().toISOString().split('T')[0],
    getPublicationDisplayDateString: () =>
      new Date().toLocaleDateString('en-US'),
  },
  taskService: {
    start: async () => `task-${Date.now()}`,
    end: async () => {},
  },
  crawlingProvider: {
    // customFetch: myProxyFetch,  // Optional: custom fetch for proxy support
    crawlingTargetGroups: [
      /* ... */
    ],
    fetchExistingArticlesByUrls: async (urls) => [
      /* ... */
    ],
    saveCrawledArticles: async (articles, context) => articles.length,
  },
  analysisProvider: {
    // Configure LLM models for analysis
    classifyTagOptions: { model: openai('gpt-5-mini') },
    analyzeImagesOptions: { model: openai('gpt-5.1') },
    determineScoreOptions: { model: openai('gpt-5.1') },
    fetchUnscoredArticles: async () => [
      /* ... */
    ],
    fetchTags: async () => [
      /* ... */
    ],
    update: async (article) => {},
  },
  contentGenerateProvider: {
    // Configure content generation
    model: openai('gpt-5.1'),
    issueOrder: 1,
    newsletterBrandName: 'Tech Insight Weekly',
    publicationCriteria: { minimumArticleCountForIssue: 5 },
    fetchArticleCandidates: async () => [
      /* ... */
    ],
    htmlTemplate: ({ content }) => `<html>...</html>`,
    saveNewsletter: async ({ newsletter }) => ({ id: 1 }),
  },
};

const generator = new GenerateNewsletter(config);
const newsletterId = await generator.generate();

⚠️ This is a minimal example showing the structure. For a complete, production-ready implementation with:

Real database integration (Prisma/Drizzle)
Actual crawling targets and parsing logic
HTML email templates
Preview email configuration

👉 See the reference implementation: https://github.com/heripo-lab/heripo-research-radar

Public API Overview

Entry point: src/index.ts

Class
GenerateNewsletter<TaskId>
constructor(config: GenerateNewsletterConfig<TaskId>)
generate(): Promise<string | number | null>
Main Types
TaskService<TaskId> { start(): Promise<TaskId>; end(): Promise<void> }
CrawlingProvider { crawlingTargetGroups, customFetch?, fetchExistingArticlesByUrls, saveCrawledArticles, ... }
AnalysisProvider { classifyTagOptions.model, analyzeImagesOptions.model, determineScoreOptions(model, minimumImportanceScoreRules), fetchUnscoredArticles, fetchTags, update }
ContentGenerateProvider { model and generation options, issueOrder, publicationCriteria, subscribePageUrl, newsletterBrandName, fetchArticleCandidates, htmlTemplate, saveNewsletter }
GenerateNewsletterOptions { logger, llm, chain, previewNewsletter(emailService/emailMessage/fetchNewsletterForPreview) }
Domain models: DateService, EmailService, Newsletter, etc.

For detailed field descriptions, see src/generate-newsletter/models/interfaces.ts and type definitions under src/models/*.

🎯 aiskill88 AI 点评 A 级 2026-05-24

该项目提供了一个可扩展的框架来自动化新闻通讯工作流，适合开发者和企业使用。值得关注的开源项目，需要进一步的开发和优化。

⚡ 核心功能

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

👥 适合人群

自动化工程师和运维人员项目经理和业务分析师希望减少重复性工作的专业人士数字化转型团队

🎯 使用场景

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

⚖️ 优点与不足

✅ 优点

+Apache-2.0 协议，可免费商用
+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

⚠️ 不足

−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

⚠️ 使用须知

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。

📄 License 说明

🔗 相关工具推荐

LangChain AI开发框架

Agent工作流

ai-agents-for-beginners Agent工作流

微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI

🧩 你可能还需要

基于当前 Skill 的能力图谱，自动补全的工具组合

LEANN AI技能包

MCP · Agent · 工作流

total-agent-memory MCP工具

为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和

kb-arena开源AI工作流

kb-arena是开源的AI工作流，用于Benchmark 9 retrieval architectures（向量、上下文、QnA、知识图

❓ 常见问题 FAQ

常见问题−

解答

什么是 Agent 工作流？和普通自动化有什么区别？+

导入工作流后，我需要修改哪些配置？+

工作流运行失败了，如何排查问题？+

这个工作流每次运行会产生哪些费用？+

工作流可以定时自动运行吗？+

💡 AI Skill Hub 点评

经综合评估，开源AI工作流在Agent工作流赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

⬇️ 获取与下载

⬇ 下载源码 ZIP

✅ Apache-2.0 协议 · 可免费商用 · 直接从 aiskill88 服务器下载，无需跳转 GitHub

📚 深入学习开源AI工作流

查看分步骤安装教程和完整使用指南，快速上手这款工具

⚙️ 安装教程 📚 使用教程

🌐 原始信息

原始名称	`llm-newsletter-kit-core`
Topics	`workflowautomationemail-automationframeworkllmnewsletter`
GitHub	https://github.com/heripo-lab/llm-newsletter-kit-core
License	Apache-2.0
语言	TypeScript

🔗 原始来源

🐙 GitHub 仓库 https://github.com/heripo-lab/llm-newsletter-kit-core

收录时间：2026-05-24 · 更新时间：2026-05-24 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。

开源AI工作流

LLM Newsletter Kit

Installation

Setup

Development / Build / Test / CI

Quick Start

Public API Overview

🤖 交给 Agent 安装 · 开源AI工作流