开源AI工作流
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 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
Modern JAV metadata manager — multi-source scraping, Jellyfin integration, 和 A
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。
📖 中文文档
Modern JAV metadata manager — multi-source scraping, Jellyfin integration, 和 A
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 openaver
# 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 openaver
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/slive777/OpenAver
cd OpenAver
pip install -e .
# 验证安装
python -c "import openaver; 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
openaver --help
# 基本用法
openaver input_file -o output_file
# Python 代码中调用
import openaver
# 示例
result = openaver.process("input")
print(result)
# openaver 配置文件示例（config.yml） app: name: "openaver" debug: false log_level: "INFO" # 运行时指定配置文件 openaver --config config.yml # 或通过环境变量配置 export OPENAVER_API_KEY="your-key" export OPENAVER_OUTPUT_DIR="./output"
简介
OpenAver
<p align="center"> <strong>不需要 Docker，不需要命令列 — Win/Mac 一行安裝，打開就是完整圖形介面的 JAV 元數據管理工具。</strong><br> 6 大來源聯合搜尋 · 女優收藏與別名管理 · 互動式收藏瀏覽器 · Jellyfin 整合 · AI API 一句話操作片庫 </p>
<p align="center"><em> Open-source desktop GUI for JAV metadata — one-line install, 6 scrape sources, actress favorites + alias system, Jellyfin/Emby ready, AI-operable REST API. </em></p>
English | 繁體中文
核心功能由三個頁面組成：📋 掃描建庫 → 🎬 瀏覽收藏 → 🔍 逐一刮削（進階）
100% 本地運行 — 不蒐集資料、不上傳任何檔案資訊，網路請求僅用於刮削公開元數據。
✨ 亮點：同時搜 6 個來源一次查完 · 女優收藏自動建檔 + 別名搜尋展開 · 跨語言 Tag 別名 — 中日英同義詞自動展開，搜尋框 / chip / 模糊探索一致 · 缺 NFO 或封面一鍵從網路補齊 · AI 一句話操作你的片庫 · Jellyfin / Emby 封面自動生成 · 2400+ 自動化測試
⚡ Live Demo → openaver.slive.uk
裡面只有 mecha 反派與虛構電影海報，零 NSFW—老闆從你身後走過也沒事。
核心功能
🎬 Showcase（瀏覽收藏）
- 影片模式：封面牆 Grid + 詳細 Lightbox + 搜尋篩選排序 + 劇照瀏覽，完整的互動式收藏瀏覽器。
- 女優模式：收藏女優 Grid + 個人資料 Lightbox + 按罩杯 / 年齡 / 身高排序，一鍵重新抓取更新資料。
- 視覺設計：GSAP 動效 + Fluent Design 毛玻璃特效 + Dark Mode，SSR 即時渲染。
⚡ Search → Showcase 即時化
- 同名 NFO 跳過：最愛資料夾若同目錄已有
.nfo，視為已整理不重打 scraper（避免重複外部請求）。 - Scanner 追蹤資料夾下拉選擇：Settings「我的最愛資料夾」可直接從 Scanner 已追蹤資料夾下拉挑，inline 即時顯示連動狀態（✓ 已連動 / ⚠ 不在追蹤範圍）。
- 整理完即時寫 DB + GhostFly 飛行動畫：Search 頁整理一片成功後，若目標路徑在 Scanner 追蹤範圍內 → 立即寫入 SQLite，封面從來源點以 GhostFly 動畫飛到 sidebar Showcase icon，不需手動重掃。
⚙️ Settings（設定）
- 多語系 UI：繁中 / 简中 / 日文 / 英文，即時切換。
- 路徑管理：靈活設定輸出路徑與檔案命名規則，支援
{suffix}格式變數。 - 我的最愛資料夾：設定常用資料夾，一鍵載入並自動搜尋。
- Jellyfin 圖片模式：自動生成 poster / fanart 供 Jellyfin / Emby 使用。
- 靜態 HTML 匯出：生成獨立 HTML 索引檔，不需部署伺服器也能離線瀏覽。
🤖 AI-Ready API
OpenAver 內建 capabilities manifest，AI agent 讀一次就知道所有端點怎麼用。不只查資料 — 它能自己串多個步驟，完成那些人做起來瑣碎到放棄的事。
一句話，AI 自己跑完整流程：
- 「幫我把片子最多的 top 20 女優加入最愛，跳過已收藏的。」 <sub>SQL 統計 → 查重 → 批次收藏 → 下載照片</sub> - 「橋本ありな 跟 新ありな 是同一人而且退休了，幫我加 tag。」 <sub>建立別名關聯 → 搜出兩個名字的所有片 → 批次加上「引退」標籤</sub> - 「這篇文章提到的番號，做成有封面的 HTML 頁面。」 <sub>解析番號 → 批次搜尋 → 下載封面 → 生成 Gallery HTML</sub>
日常操作也順手：
- 「搜 SAME-123, PRED-456, IPZZ-789 的完整資訊」— 多來源聯合搜尋
- 「把 D:\av 的 NFO 資料補齊」— 原地補完，不搬移不改名
- 「我今年抓最多的系列是哪個？」— SQL 查詢收藏資料庫
不需要 SDK，不需要讀文件。一行 curl，AI 自學所有端點：
curl http://localhost:<port>/api/capabilitiesPort 和完整 URL 可在 Settings 頁面的「AI API」區塊查看。
支援任何 MCP / function-calling 相容的 AI 工具：
| 使用方式 | 工具 | 說明 |
|---|---|---|
| **CLI** | Claude Code, Codex CLI, Gemini CLI, Aider 等 | 終端機直接 curl，所有 CLI agent 皆支援 |
| **IDE** | Cursor, GitHub Copilot in VS Code, Windsurf, Trae 等 | Agent 模式 / MCP 呼叫本地 API |
| **桌面 App** | Codex App, Google Antigravity 2.0, Claude Cowork, OpenClaw | 不需開發環境，開箱即用 |
💡 推薦：Codex App（對話內嵌） 或 Google Antigravity 2.0（artifact 面板）— 兩款桌面 app 均能在對話中向你展示封面，安裝簡單、開箱即用。
⚡ 小模型友善：capabilities manifest 已針對輕量模型優化，Gemini Flash / GPT mini / Claude Haiku 皆可正確操作所有端點。
💻 想讓 AI 預讀 repo、或自己擴充端點？ 所有端點定義在 web/routers/capabilities.py — AI agent clone repo 時會優先讀這個檔，不需要啟動服務就能學會所有工具。
🪄 進階玩家彩蛋：FC2 自動找女優。 FC2 影片幾乎都沒女優標記，但其中不少是後來轉有碼出道的熟面孔（白上咲花就是經典案例）。SQL 撈 actress 為空的片 → DeepFace（RetinaFace + ArcFace）對 Gfriends 庫比對 → POST /api/user-tags 寫回標記。50 行 Python 一個週末跑完全庫，發現喜歡的手動加最愛；未識別素人 DBSCAN 自建群組下次直接配對。
---
该项目提供了一个开源的AI工作流，支持多源抓取和Jellyfin集成等功能，但需要进一步优化和完善
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 跨境业务、多语言内容运营团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
- Python 依赖冲突：建议用 venv / uv 隔离环境
- Docker：OpenAver 提供官方镜像，docker compose up 一键启动
- CLI：直接 npm install -g / pip install，命令行调用
- 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
- 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
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 跨境业务、多语言内容运营团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 生产部署优先使用 Docker Compose 隔离依赖，并挂载 volume 持久化数据
- 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
- 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）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 容器内无法访问宿主机 localhost — 使用 host.docker.internal
- 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
👥 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：开源AI工作流 的核心功能完整，质量良好。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 | OpenAver |
| 原始描述 | 开源AI工作流：Modern JAV metadata manager — multi-source scraping, Jellyfin integration, and A。⭐80 · Python |
| Topics | workflowai-agentdaisyuidark-modefastapigallerypython |
| GitHub | https://github.com/slive777/OpenAver |
| License | MIT |
| 语言 | Python |
收录时间：2026-06-03 · 更新时间：2026-06-03 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。