能力标签

🔌 MCP 🤖 Agent 🔄 工作流 🐳 Docker 💻 CLI 📚 RAG 🖼 视觉 ⛓ LangChain

⚙️

Agent工作流

丁根框架

基于 TypeScript · 无代码搭建完整 AI 自动化流程

英文名：Dingent

⭐ 51 Stars 🍴 6 Forks 💻 TypeScript 📄 MIT 🏷 AI 7.5分

7.5AI 综合评分

AI工作流框架TypeScript

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

丁根框架是 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

丁根框架是一套完整的 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。

丁根框架工作流的设计遵循"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

丁根框架是一套完整的 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

⭐ 51

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

MIT

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」。

📌 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 dingent

# 方式二：npx 直接运行（无需安装）
npx dingent --help

# 方式三：项目依赖安装
npm install dingent

# 方式四：从源码运行
git clone https://github.com/Dingent/Dingent
cd Dingent
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
dingent --help

# 基本用法
dingent [options] <input>

# Node.js 代码中使用
const dingent = require('dingent');

const result = await dingent.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

# dingent 配置说明
# 查看配置选项
dingent --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 DINGENT_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。

简介

This project is currently under rapid development. For the latest and most accurate documentation, please visit: ngdc.cncb.ac.cn/dingent 最新文档和使用指南，请访问： ngdc.cncb.ac.cn/dingent

✨ Features

- Instant Project Setup: Simply run dingent dev in any directory to initialize a new project. - Integrated Admin Dashboard: A powerful, React-based web interface to visually manage your assistants, workflows, plugins, and settings. - Bundled Frontend: A pre-built, standalone Next.js chat interface is included out-of-the-box. No need for manual setup or compilation. - Lightweight and Easy to Use: A clean design and a gentle learning curve let you focus on business logic rather than tedious configuration. - Guest Mode Support: Allow unauthenticated users to chat with AI agents without requiring registration. See Guest Mode Documentation for details.

Prerequisites

Docker: Install Docker
Docker Compose: Install Docker Compose

🐳 Docker Deployment

Dingent can also be deployed using Docker and Docker Compose for easy setup and deployment.

Quick Start with Docker

Clone the repository:

git clone -b Docker-Dev https://github.com/littleLice/Dingent.git
cd Dingent

Start the services using Docker Compose:

docker-compose up -d

This will pull the pre-built images and start both the backend and frontend services.

Access the services:

Frontend Chat: http://localhost:3000
Backend API: http://localhost:8000
Admin Dashboard: http://localhost:8000/admin

Rebuilding the Services

If you make changes to the code and need to rebuild the Docker images:

docker-compose up -d --build

🚀 Quick Start

Just download the latest executable for your platform from the releases page and run it.

Chat Interface

Chat View 1	Chat View 2
![chat1](./assets/Chart1.png)	![chat2](./assets/Chart2.png)

🎯 aiskill88 AI 点评 A 级 2026-05-25

轻量级AI工作流框架，易于使用

⚡ 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

+MIT 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

browser-use Agent工作流

Agent工作流

Activepieces 开源工作流自动化

Agent工作流

LLM资源合集（精选）

精选100+可直接运行的AI Agent和RAG应用集合。包含完整工作流示例、智能代理框架和检索增强生成系统。适合AI开

Sim AI智能工作流引擎

Agent工作流

🧩 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

natively-cluely-ai-assistant — Claude Skill 中文使用文档

免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。

技能寻求者

MCP · Agent · 工作流

开源AI工具：RAG知识库系统

基于Vue.js前端的RAG知识库系统，提供高效的知识检索和生成功能，助力AI应用开发

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

❓ 常见问题 FAQ

如何使用Dingent框架?−

参考官方文档和示例代码

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，丁根框架在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

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

📚 深入学习丁根框架

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	`Dingent`
原始描述	开源AI工作流：A lightweight, user-friendly LLM Agent framework focused on simplifying data ret。⭐51 · TypeScript
Topics	`AI工作流框架TypeScript`
GitHub	https://github.com/Dingent/Dingent
License	MIT
语言	TypeScript

🔗 原始来源

🐙 GitHub 仓库 https://github.com/Dingent/Dingent 🌐 官方网站 https://ngdc.cncb.ac.cn/dingent/

收录时间：2026-05-25 · 更新时间：2026-05-25 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。

丁根框架

简介

✨ Features

Prerequisites

🐳 Docker Deployment

Quick Start with Docker

Rebuilding the Services

🚀 Quick Start

Chat Interface

🤖 交给 Agent 安装 · 丁根框架