能力标签

🔌 MCP 🤖 Agent 🔄 工作流 💻 CLI 🧬 Embedding 🧠 Claude ✨ GPT 🖥 本地 LLM

⚙️

Agent工作流

开源AI工作流

基于 Rust · 无代码搭建完整 AI 自动化流程

英文名：ai-agents

⭐ 31 Stars 🍴 4 Forks 💻 Rust 📄 Apache-2.0 🏷 AI 7.5分

7.5AI 综合评分

workflowrust

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

经 AI Skill Hub 精选评估，开源AI工作流获评「推荐使用」。这款Agent工作流在功能完整性、社区活跃度和易用性方面表现出色，AI 评分 7.5 分，适合有一定技术背景的用户使用。

📚 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

One YAML = Any Agent。Rust语言开发的声明式AI代理框架，提供灵活的AI工作流管理。

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

⭐ 31

开发语言

Rust

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」。

One YAML = Any Agent。Rust语言开发的声明式AI代理框架，提供灵活的AI工作流管理。

📌 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：cargo install（推荐）
cargo install ai-agents

# 方式二：从源码编译
git clone https://github.com/geminik23/ai-agents
cd ai-agents
cargo build --release
# 二进制在 ./target/release/ai-agents

📋 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

# 查看帮助
ai-agents --help

# 基本运行
ai-agents [options] <input>

# 详细使用说明请查阅文档
# https://github.com/geminik23/ai-agents

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

# ai-agents 配置说明
# 查看配置选项
ai-agents --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 AI_AGENTS_CONFIG="/path/to/config.yml"

📑 README 深度解析真实文档完整度 62/100 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。

AI Agents Framework

One YAML = Any Agent.

A Rust framework for building AI agents from a single YAML specification. No code required for common use cases.

ai-agents.rs - Documentation, guides, and examples

Declarative behavior - everything in YAML, not code
Language-agnostic semantics - intent, extraction, validation via LLM (no regex)
Layered overrides - global → agent → state → skill → turn
Safety by default - tool policies, HITL approvals, error recovery
Extensible - custom LLMs, tools, memory, storage, hooks

Status: 1.0.0-rc.14 — Under active development. Stable v1.0.0 is planned for release by mid-July 2026 at the latest. APIs and YAML schema may change between minor versions.

Features

Multi-LLM with fallback - 12 providers (OpenAI, Anthropic, Google, Ollama, DeepSeek, Groq, Mistral, Cohere, xAI, Phind, OpenRouter, any OpenAI-compatible); named aliases (default, router); auto-fallback on failure
State machine + skills - hierarchical states, LLM-evaluated transitions, guard-based routing, entry/exit actions, reusable multi-step skills
Built-in tools + MCP - datetime, JSON, HTTP, file, text, template, math, calculator, random, echo; connect any MCP server for hundreds more
Tool scoping & conditions - 3-level filtering (state → spec → registry), context/state/time/semantic conditions, multi-language aliases, parallel execution
Input/output process pipeline - normalize, detect, extract, sanitize, validate, transform, format - all LLM-based, works across languages
Dynamic context - runtime, file, HTTP, env, and callback sources with Jinja2 templates in prompts
Memory stack - CompactingMemory, token budgeting, SQLite/Redis/file persistence, session metadata, actor facts, and relationship memory
Agent persona - structured identity, traits, goals, secrets, evolution, and reusable templates
Multi-agent systems - dynamic agent spawning, agent registry, actor-aware inter-agent messaging, and router/pipeline/concurrent/group chat/handoff orchestration
CLI + TUI - interactive REPL, ratatui terminal UI, streaming, context injection, and actor/relationship inspection
Reasoning, reflection & disambiguation - chain-of-thought, ReAct, plan-and-execute, self-evaluation, ambiguity detection, and clarification
Evaluation, safety, control & observability - YAML scenario evals with assertions/judges, error recovery with backoff, tool security, HITL approvals, and privacy-safe latency/token/cost tracing with JSON/CSV/Prometheus exports
Extensible via traits - LLMProvider, Memory, Tool, ApprovalHandler, Summarizer, AgentHooks, ToolProvider

See Concepts for architecture details and Providers for per-provider setup.

Key Dependencies

Crate	Role
[llm](https://crates.io/crates/llm)	Unified LLM provider interface (OpenAI, Anthropic, Google, Ollama, and more)
[rmcp](https://crates.io/crates/rmcp)	Official Rust SDK for Model Context Protocol (MCP)
[tokio](https://crates.io/crates/tokio)	Async runtime
[minijinja](https://crates.io/crates/minijinja)	Jinja2-compatible template engine for system prompts and spawner templates
[sqlx](https://crates.io/crates/sqlx)	SQLite storage backend (optional, `sqlite` feature)
[redis](https://crates.io/crates/redis)	Redis storage backend (optional, `redis-storage` feature)

Install

[dependencies]
ai-agents = "1.0.0-rc.14"

Install from crates.io

cargo install ai-agents-cli --version 1.0.0-rc.14

Quick Start

Example for OpenAI reasoning-capable models:

From CLI (no Rust code needed)

Create agent.yaml:

```yaml

From Rust API

use ai_agents::{AgentBuilder, UnifiedLLMProvider, ProviderType};
use std::sync::Arc;

#[tokio::main]
async fn main() -> ai_agents::Result<()> {
    let llm = UnifiedLLMProvider::from_env(ProviderType::OpenAI, "gpt-4.1-nano")?;

    let agent = AgentBuilder::new()
        .system_prompt("You are a helpful assistant.")
        .llm(Arc::new(llm))
        .build()?;

    let response = agent.chat("Hello!").await?;
    println!("{}", response.content);
    Ok(())
}

See the examples/ directory for more.

🎯 aiskill88 AI 点评 A 级 2026-05-24

该项目提供了一个灵活的AI工作流管理框架，支持Rust语言开发的声明式AI代理。虽然star数量较少，但框架的设计和实现值得关注。

⚡ 核心功能