能力标签

⚙️

Agent工作流

连接洋葱

基于 Python · 无代码搭建完整 AI 自动化流程

英文名：connectonion

⭐ 1.2k Stars 🍴 159 Forks 💻 Python 📄 Apache-2.0 🏷 AI 8.0分

8.0AI 综合评分

AI工作流智能体

⬇ 下载源码 ZIP ⚙️ 配置说明

✦ AI Skill Hub 推荐

AI Skill Hub 强烈推荐：连接洋葱是一款优质的Agent工作流。已获得 1.2k 颗 GitHub Star，AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的Agent工作流解决方案，这是一个值得深入了解的选择。

📚 深度解析

连接洋葱是一套完整的 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。

连接洋葱工作流的设计遵循"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

连接洋葱是一套完整的 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

⭐ 1.2k

开发语言

Python

支持平台

Windows / macOS / Linux

维护状态

正常维护，社区驱动

开源协议

Apache-2.0

AI 综合评分

8.0 分

工具类型

Agent工作流

Forks

159

📖 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：pip 安装（推荐）
pip install connectonion

# 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 connectonion

# 方式三：从源码安装（获取最新功能）
git clone https://github.com/openonion/connectonion
cd connectonion
pip install -e .

# 验证安装
python -c "import connectonion; print('安装成功')"

📋 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
connectonion --help

# 基本用法
connectonion input_file -o output_file

# Python 代码中调用
import connectonion

# 示例
result = connectonion.process("input")
print(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

# connectonion 配置文件示例（config.yml）
app:
  name: "connectonion"
  debug: false
  log_level: "INFO"

# 运行时指定配置文件
connectonion --config config.yml

# 或通过环境变量配置
export CONNECTONION_API_KEY="your-key"
export CONNECTONION_OUTPUT_DIR="./output"

📑 README 深度解析真实文档完整度 90/100 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。

🧅 ConnectOnion

A simple, elegant open-source framework for production-ready AI agents

📚 Documentation • 💬 Discord • ⭐ Star Us

</div>

---

## 🌟 Philosophy: "Keep simple things simple, make complicated things possible" This is the core principle that drives every design decision in ConnectOnion.

Built-in plugins — same capabilities as Claude Code, open to any agent

agent = Agent("researcher", tools=[search], plugins=[ re_act, # Reflect + plan after each tool call auto_compact, # Auto-compress context at 90% capacity subagents, # Spawn sub-agents with independent tools and prompts ulw, # Ultra Light Work — fully autonomous mode ]) ```

These plugins mirror Claude Code's internal capabilities — auto_compact, subagents, ulw directly correspond to Claude Code's context compression, sub-agent spawning, and autonomous work mode. ConnectOnion makes these capabilities available to any agent you build.

Hooks: after_user_input, before_iteration, before_llm, after_llm, before_tools, before_each_tool, after_each_tool, after_tools, on_error, after_iteration, on_stop_signal, on_complete

Plugins are just lists of event handlers — visible, modifiable, co copy-able.

Key Features

Feature	Description
Built-in AI Programmer	`co ai` - AI coding assistant
Built-in Frontend & Backend	chat.openonion.ai ready-to-use
Ready-to-Use Tools	Import without schema writing
Approval System	Dangerous ops auto-trigger approval
Skills System	Claude Code compatible, auto-discovery
12 Lifecycle Hooks	Inject logic at any point
Plugin System	re_act, auto_compact, subagents, ulw
Multi-Agent Trust	Fast rules, zero token cost

Shell commands now require approval before execution

```

Plugin-based: turn it off, customize it, or replace it entirely.

Requirements

Python 3.10+

Installation

pip install connectonion

Deploy Agent

from connectonion import host
host(agent)  # HTTP + P2P relay

🚀 Quick Start

Manual Usage

```python import os from connectonion import Agent

Guidelines

- Always acknowledge the customer's concern first - Look for root causes, not just symptoms - Provide clear, actionable solutions ```

🎯 Example Tools

You can still use the traditional Tool class approach, but the new functional approach is much simpler:

🛠️ Advanced Usage

Quick Start

pip install connectonion

🔑 Configuration

Set your OpenAI API key

os.environ["OPENAI_API_KEY"] = "your-api-key-here"

🎨 CLI Templates

ConnectOnion CLI provides templates to get you started quickly:

```bash

OpenAI API Key

Set your API key via environment variable:

export OPENAI_API_KEY="your-api-key-here"

Or pass directly to agent:

agent = Agent(name="test", api_key="your-api-key-here")

12 Lifecycle Hooks + Plugin System

Inject logic at any point in the agent execution cycle:

```python from connectonion import Agent, after_tools, llm_do from connectonion.useful_plugins import re_act, eval, auto_compact, subagents, ulw

🔌 Plugin System

Package reusable capabilities as plugins and use them across multiple agents:

```python from connectonion import Agent, after_tools, llm_do

Define a reflection plugin

def add_reflection(agent): trace = agent.current_session['trace'][-1] if trace['type'] == 'tool_execution' and trace['status'] == 'success': result = trace['result'] reflection = llm_do( f"Result: {result[:200]}\n\nWhat did we learn?", system_prompt="Be concise.", temperature=0.3 ) agent.current_session['messages'].append({ 'role': 'assistant', 'content': f"🤔 {reflection}" })

Plugin is just a list of event handlers

reflection = [after_tools(add_reflection)] # after_tools fires once after all tools

2. Load from file (any text file, no extension restrictions)

agent = Agent( name="support_agent", system_prompt="prompts/customer_support.md" # Automatically loads file content )

What are plugins?

Plugins are lists of lifecycle hooks that inject logic at any point in the agent execution cycle. Built-in plugins: - re_act: Reflect + plan after each tool call - auto_compact: Auto-compress context at 90% capacity - subagents: Spawn sub-agents with independent tools - ulw: Ultra Light Work — fully autonomous mode

from connectonion.useful_plugins import re_act, subagents
agent = Agent("researcher", tools=[search], plugins=[re_act, subagents])

Built-in Plugins

Plugin	Description	Claude Code Equivalent
re_act	Reflect + plan after each tool	-
auto_compact	Auto-compress context at 90%	Context compression
subagents	Spawn sub-agents	Sub-agent spawning
ulw	Ultra Light Work autonomous	Autonomous mode