能力标签

⚙️

Agent工作流

来当网统计器源

基于 Python · 无代码搭建完整 AI 自动化流程

英文名：ori-runtime

⭐ 16 Stars 🍴 4 Forks 💻 Python 📄 NOASSERTION 🏷 AI 7.5分

7.5AI 综合评分

workflowagent-of-thingsagentic-iotai-agentsaiotedge-aipython

⚙️ 配置说明

✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用：来当网统计器源是一款优质的Agent工作流。AI 综合评分 7.5 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

来当网统计器源是一套完整的 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。

来当网统计器源工作流的设计遵循"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

来当网统计器源我的统计器为一个有网统计器的为常当网统计器，当前统计器为一个有网统计器的为常当网统计器。

来当网统计器源是一套完整的 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

⭐ 16

开发语言

Python

支持平台

Windows / macOS / Linux

维护状态

轻量级项目，按需更新

开源协议

NOASSERTION

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」。

来当网统计器源我的统计器为一个有网统计器的为常当网统计器，当前统计器为一个有网统计器的为常当网统计器。

📌 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 ori-runtime

# 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 ori-runtime

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

# 验证安装
python -c "import ori_runtime; 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
ori-runtime --help

# 基本用法
ori-runtime input_file -o output_file

# Python 代码中调用
import ori_runtime

# 示例
result = ori_runtime.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

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

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

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

📑 README 深度解析真实文档完整度 58/100 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

Give your devices a brain.

</div>

---

The Action Tier Framework — _What should I do about it?_

Tier A  INFORMATIONAL       Always autonomous
        Alerts, logs, reports — the agent acts without asking

Tier B  SOFT PHYSICAL        Explicit approval or post-action policy
        Power source switching, thermostat adjustments, irrigation valves
        The agent either asks first or acts first and explains after

Tier C  HARD PHYSICAL        Approval workflow — always
        Relay/contactor-controlled shutdown, high-consequence control
        The agent reasons, proposes, and waits for your YES or NO

Tier D  SAFETY-CRITICAL      Always autonomous, cannot be overridden
        Dangerous overcurrent, thermal runaway, hazardous gas
        The agent acts first, notifies you immediately

The runtime picks the cheapest reasoning tier that can answer. The action tier determines whether it acts, asks, or moves immediately.

---

Hardware Requirements

Configuration	Hardware	RAM	Notes
Rule engine only (Tier 1)	Raspberry Pi 3B+ or equivalent	1GB	No local SLM. Full safety framework active.
Full stack with local SLM	Raspberry Pi 4 4GB	4GB	Validated reference hardware. 3–8s inference.
Development / laptop	Any modern machine	4GB+	psutil adapter. No Pi required.

The model file (Qwen2.5-0.5B Q4) is 500MB. The SQLite state store stays bounded under 80MB via the compaction pyramid regardless of deployment duration.

---

Clone and install

git clone https://github.com/ori-platform/ori-runtime.git cd ori-runtime python3 -m venv .venv source .venv/bin/activate

Quick Local SLM Setup (Qwen GGUF)

```bash

2) Install llama-cpp-python (CPU path; stable across laptops)

pip install --no-cache-dir llama-cpp-python

Builds the wheel, installs it into a clean venv, verifies PEP 561 typing,

Quick Start — No Hardware Needed

Ori's pc-system-health skill runs on any laptop using psutil. No Raspberry Pi, no sensors, no wiring.

Linux users: See docs/linux-setup.md for a step-by-step Linux setup guide, including a minimal validated config (ori.linux.yaml.example), Linux model paths, and troubleshooting for common Linux-specific issues.

```bash

1) Activate your venv

source .venv/bin/activate

4) Point your config to the local model

5) Optional dev convenience: auto-load .env before config parse

export ORI_AUTOLOAD_DOTENV=true

7) Optional: hot-reload skills without restart (Unix only)

Reload applies to new events only; in-flight actions keep previous skill config.

kill -HUP "$(pgrep -f 'python -m ori.runtime' | head -n 1)" ```

Full runtime smoke test (auto-selects config by platform if arg #1 is omitted)

bash scripts/smoke-runtime-local.sh

Linux explicit config (recommended)

bash scripts/smoke-runtime-local.sh ori.yaml

The Tier C Approval Workflow

When Ori proposes a hard physical action, this is what the operator receives:

ORI ALERT — Action Required
Device: energy-monitor-ikeja-office-01
Proposal ID: AB12CD34
Time: Wednesday 14:32

OBSERVATION:
Load current has reached 38.4A — 3.8x the rated 10A capacity.
Sustained for 45 seconds and climbing.

REASONING:
Pattern consistent with a short circuit, not a temporary surge.
Active fault propagation detected.

PROPOSED ACTION:
Open the installer-wired safety circuit to cut power to the protected load.

CONFIDENCE: 94%

Reply YES-AB12CD34 to approve  |  Reply NO-AB12CD34 to cancel
Auto-cancel in 5 minutes if no response.

The message is delivered over SMS (primary for Nigeria deployments) with automatic failover to WhatsApp when SMS is unavailable, or WhatsApp-first when configured. The same message format is used on both channels.

The agent does the diagnosis. The operator approves or rejects a specific, fully-reasoned proposal.

---

ori.integration.

bash scripts/smoke-release-wheel.sh

🎯 aiskill88 AI 点评 A 级 2026-06-14

来当网统计器源为一个有网统计器的为常当网统计器，当前统计器为一个有网统计器的为常当网统计器。

⚡ 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

+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

该工具使用 NOASSERTION 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。

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

📄 NOASSERTION — 请查阅原始协议条款了解具体使用限制。

🔗 相关工具推荐

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

LangChain AI开发框架

Agent工作流

ai-agents-for-beginners Agent工作流

微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI

n8n AI工作流自动化

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

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

帮数颒问−

请查看管理源的参数。

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

总体来看，来当网统计器源是一款质量良好的Agent工作流，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。

⬇️ 获取与下载

📚 深入学习来当网统计器源

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	`ori-runtime`
Topics	`workflowagent-of-thingsagentic-iotai-agentsaiotedge-aipython`
GitHub	https://github.com/ori-platform/ori-runtime
License	NOASSERTION
语言	Python

🔗 原始来源

🐙 GitHub 仓库 https://github.com/ori-platform/ori-runtime

收录时间：2026-06-14 · 更新时间：2026-06-14 · License：NOASSERTION · AI Skill Hub 不对第三方内容的准确性作法律背书。

来当网统计器源

📚 深度解析

📋 工具概览

📖 中文文档

简介

Give your devices a brain.

The Action Tier Framework — _What should I do about it?_

Hardware Requirements

Clone and install

Quick Local SLM Setup (Qwen GGUF)

2) Install llama-cpp-python (CPU path; stable across laptops)

Builds the wheel, installs it into a clean venv, verifies PEP 561 typing,

Quick Start — No Hardware Needed

1) Activate your venv

4) Point your config to the local model

5) Optional dev convenience: auto-load .env before config parse

7) Optional: hot-reload skills without restart (Unix only)

Reload applies to new events only; in-flight actions keep previous skill config.

Full runtime smoke test (auto-selects config by platform if arg #1 is omitted)

Linux explicit config (recommended)

The Tier C Approval Workflow

ori.integration.

⚡ 核心功能

👥 适合人群

🎯 使用场景

⚖️ 优点与不足

🔗 相关工具推荐

❓ 常见问题 FAQ

🤖 交给 Agent 安装 · 来当网统计器源