AI思维画布
经 AI Skill Hub 精选评估，AI思维画布 获评「强烈推荐」。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 8.0 分，适合有一定技术背景的用户使用。
📚 深度解析
AI思维画布 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 8.0 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
AI思维画布 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。
📖 中文文档
AI思维画布 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：npm 全局安装 npm install -g dim0 # 方式二：npx 直接运行（无需安装） npx dim0 --help # 方式三：项目依赖安装 npm install dim0 # 方式四：从源码运行 git clone https://github.com/vcmf/dim0 cd dim0 npm install npm start
- 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
dim0 --help
# 基本用法
dim0 [options] <input>
# Node.js 代码中使用
const dim0 = require('dim0');
const result = await dim0.run(options);
console.log(result);
# dim0 配置说明 # 查看配置选项 dim0 --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 DIM0_CONFIG="/path/to/config.yml"
简介
<p align="center"> <img src="docs/images/dim0-icon.png" alt="Dim0" width="120" /> </p>
Dim0, The Thinking Canvas
<p align="center"> <a href="https://github.com/vcmf/dim0/releases"><img src="https://img.shields.io/github/v/release/vcmf/dim0?style=flat&labelColor=171611&color=965e30" alt="Release" /></a> <a href="https://github.com/vcmf/dim0/actions/workflows/tests.yml"><img src="https://img.shields.io/github/actions/workflow/status/vcmf/dim0/tests.yml?branch=main&style=flat&labelColor=171611&color=3439c9&label=tests" alt="Tests" /></a> <a href="https://github.com/vcmf/dim0/pulse"><img src="https://img.shields.io/github/commit-activity/m/vcmf/dim0?style=flat&labelColor=171611&color=a6395c" alt="Commit activity" /></a> <a href="./LICENSE"><img src="https://img.shields.io/badge/license-MIT-336d3f?style=flat&labelColor=171611" alt="License: MIT" /></a> <a href="https://app.dim0.net"><img src="https://img.shields.io/badge/▶_live_app-app.dim0.net-3439c9?style=flat&labelColor=171611" alt="Live App" /></a> </p>
<p align="center"> <a href="https://dim0.net">🌐 Website</a> · <a href="https://app.dim0.net">🚀 Live App</a> · 🤝 Real-time collab · 🔒 Privacy-first · 📄 MIT </p>
<p align="center"> <strong>Your canvas thinks back.</strong><br /> Notes, mini-apps, and an AI agent on one infinite, real-time board. The agent reads what's on the canvas and writes its results right back onto it. </p>
<p align="center"> ⭐ Star if Dim0 is useful to you. It genuinely helps others find the project. </p>
A single board: notes, a mind map, mini-apps, documents, and the agent - all in the same workspace.
Features
- ♾️ Infinite canvas: thousands of nodes and nested boards, smooth at scale
- 🎨 A real whiteboard underneath: hand-drawn and geometric shapes, arrows, images and media, and a huge icon library (200,000+ via Iconify)
- 🤖 Board-aware agent: reads your canvas and selected nodes, takes multi-step tool actions, and writes results back as editable nodes
- 🧩 Mini-apps: describe a tool, get a real interactive React app on the board: open it, edit it, export it
- 📝 Rich notes: Notion-style rich text, math, code, and sub-pages, edited in place
- 💻 Code & documents: run code in sandboxes; drop in files that the agent can search (RAG)
- 🔌 Bring your own model: OpenAI, Anthropic, Gemini, Mistral, DeepSeek, Qwen, and more, switch anytime
- 👥 Real-time multiplayer: live cursors, shared edits, a shared agent; conflict-free sync, solo or fifty people deep
- 🎬 Present from the canvas: drop frames on the board and run them as a slideshow, no export to a separate slides tool
- 🔓 Open-source & private: MIT, self-hostable, your data stays yours (no training, no telemetry)
See it in action:
https://github.com/user-attachments/assets/cdc7d3d4-eb59-4d7d-a9ff-6f0206ba82df
Prerequisites
- Node.js (LTS)
uvfor Python deps- Docker + Docker Compose (recommended for local services)
Getting started
Docker
Compose stack with Makefile shortcuts.
Quickstart
Run the published images. Docker is the only prerequisite.
git clone https://github.com/vcmf/dim0.git && cd dim0
cp .env.sample .env # then set the three keys below
make pull && make run # pulls latest images and starts everythingSet these three in .env before make run:
| Key | What it powers |
|---|---|
OPENAI_API_KEY | the agent's default model + embeddings |
OPENROUTER_API_KEY | access to the other models (Claude, Gemini, Mistral, …) |
LINKUP_API_KEY | web search & page fetch |
Open http://localhost:3000 → create a board → type a prompt. Done.
Stop it with make down-run (add make kill-run to wipe volumes).
Want to hack on the source instead of the images? See Run from source below.
Environment
Copy .env.sample to .env and fill in the keys. The three required keys are covered in Quickstart; the rest of .env.sample adds more providers and tools.
cp .env.sample .envA couple of things worth knowing:
- Backend and frontend both read the root
.env - Only variables prefixed with
VITE_reach the frontend
Environment variables
.env.sample is the canonical list - ports and origins, model provider keys, search and image provider keys, local service settings, backend auth and tracing. Use it as a checklist when setting things up.
Troubleshooting
- Frontend can't reach the API? Check
VITE_API_URLin.env. - Port already in use? Change
API_PORTorAPP_PORT. - Env change not picked up? Restart backend and frontend after editing
.env. - Want to see the resolved Compose config?
make config. - Backend tests failing with odd import errors (e.g.
cannot import name 'Docstring' from 'griffe')? The localbackend/.venvis stale or half-installed, and a plainuv syncwon't repair a partially-deleted package. Rebuild it:rm -rf backend/.venv && uv sync --extra dev.
Dim0 被定义为一个“思考画布”（The Thinking Canvas），它不仅仅是一个绘图工具，更是一个集成了 AI 能力的交互式空间。通过直观的画布界面，用户可以进行复杂的逻辑梳理与创意构思，将抽象的想法转化为可视化的结构，是开发者和创意工作者进行深度思考的理想伴侣。
Dim0 提供无限扩展的 Infinite canvas，支持数千个节点与嵌套看板，在大规模使用时依然保持流畅。它拥有强大的白板功能，支持手绘、几何图形、箭头及丰富的 Iconify 图标库。最核心的特性是其 Board-aware agent，该智能体能够理解画布内容与选定节点，执行多步工具操作，并将结果以可编辑节点的形式写回画布，甚至支持通过描述来创建 Mini-apps。
在开始使用 Dim0 之前，请确保您的开发环境已安装 Node.js (LTS) 版本。对于 Python 相关的依赖管理，建议使用 `uv` 工具。此外，为了能够顺利运行本地服务，强烈建议安装 Docker 及 Docker Compose，以便通过容器化技术快速部署整个应用栈。
本项目推荐使用 Docker 进行快速部署。您可以通过克隆仓库并使用提供的 Makefile 快捷命令进行操作。首先克隆项目并复制 `.env.sample` 为 `.env` 文件，配置好必要的 API 密钥后，运行 `make pull` 拉取最新镜像，随后执行 `make run` 即可一键启动整个 Compose 服务栈。
快速上手非常简单：只要您安装了 Docker，即可直接运行已发布的镜像。在克隆项目后，请务必先将 `.env.sample` 复制为 `.env`，并根据需要配置 `OPENAI_API_KEY` 或 `OPENROUTER_API_KEY` 等关键密钥。完成配置后，通过 Makefile 命令即可启动服务，无需手动管理复杂的后端与前端依赖。
项目的配置主要通过根目录下的 `.env` 文件进行管理。后端与前端都会读取该文件，但请注意，只有以 `VITE_` 为前缀的变量会被传递至前端。您可以参考 `.env.sample` 作为配置清单，其中涵盖了端口设置、模型供应商 API Key、搜索与图像服务、本地服务设置以及后端鉴权与链路追踪（Tracing）等各项参数。
在使用过程中如果遇到问题，可以参考以下排查建议：若前端无法连接 API，请检查 `.env` 中的 `VITE_API_URL` 配置；若端口冲突，请修改 `API_PORT` 或 `APP_PORT`；若修改环境变量后未生效，请重启后端与前端服务。此外，您可以使用 `make config` 来查看解析后的 Compose 配置详情。
高质量的开源AI工作流平台，具有强大的扩展性和自定义能力
- 构建多智能体协作系统的 Agent 开发者
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- Docker：dim0 提供官方镜像，docker compose up 一键启动
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 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
- 构建多智能体协作系统的 Agent 开发者
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
👥 适合人群
🎯 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
- +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
- −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
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。
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
🔗 相关工具推荐
❓ 常见问题 FAQ
AI Skill Hub 点评：AI思维画布 的核心功能完整，质量优秀。对于自动化工程师和运维人员来说，这是一个值得纳入个人工具库的选择。建议先在非生产环境试用，再逐步推广。
| 原始名称 | dim0 |
| 原始描述 | 开源AI工作流：An open-source AI thinking canvas - notes, docs, code, widgets, and an agent tha。⭐28 · TypeScript |
| Topics | ai-agentcanvascode-executionfast-apiinfinite-canvastypescript |
| GitHub | https://github.com/vcmf/dim0 |
| License | MIT |
| 语言 | TypeScript |
收录时间：2026-05-25 · 更新时间：2026-05-30 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。