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
Production-grade Go SDK for building AI agents with long-term memory, knowledge，提供高质量的AI工作流解决方案
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
Production-grade Go SDK for building AI agents with long-term memory, knowledge，提供高质量的AI工作流解决方案
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：go install（推荐） go install github.com/GizClaw/flowcraft@latest # 方式二：从源码编译 git clone https://github.com/GizClaw/flowcraft cd flowcraft go build -o flowcraft . # 方式三：下载预编译二进制 # 访问 Releases 页面下载对应平台二进制文件 # https://github.com/GizClaw/flowcraft/releases
- 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
# 查看帮助 flowcraft --help # 基本运行 flowcraft [options] <input> # 详细使用说明请查阅文档 # https://github.com/GizClaw/flowcraft
# flowcraft 配置说明 # 查看配置选项 flowcraft --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 FLOWCRAFT_CONFIG="/path/to/config.yml"
简介
Highlights
Daemon — declarative multi-vessel deployment
The fastest way to ship something runnable: write YAML, point vesseld at it.
```bash go install github.com/GizClaw/flowcraft/cmd/vesseld@latest
Building from source
git clone https://github.com/GizClaw/flowcraft
cd flowcraft
make help # list every target
make ci # vet + test for all in-tree modules
make test-e2e # black-box vesseld suite (no API key required)This repo is a Go workspace (go.work). The in-tree modules are sdk, memory, sdkx, vessel, voice, cmd/vesseld, and eval. Off-workspace examples and test harnesses pin released versions and run with GOWORK=off.
---
Quickstart
Library — programmatic SDK usage
For embedding agents directly into a Go service (no daemon), use sdk directly and add memory / sdkx when you need recall, history, knowledge, or provider adapters. The minimum viable wiring is a graph DAG (graph.GraphDefinition + node.Factory with llmnode.Register) driven by agent.Run. See:
sdk/agent/run_test.go— minimalagent.Runpatternstests/quality/vessel/— full integration examples (history, sidecars, kanban)examples/voice-pipeline/setup.go— a real graph-runner build wiring an LLM provider + script node
One daemon, two independently configured vessels, sharing one OpenAI client.
vesseld validate --config examples/vesseld-multi-vessel -R vesseld run --config examples/vesseld-multi-vessel -R
Streaming, durable, resumable (`sdk/engine`)
Subject-routed event bus — every step emits structured envelopes.Checkpoint/CheckpointStorecontract — pause and resume an agent across restarts.Interrupt/Waitsemantics that compose cleanly withcontext.Context.
Module map
| Module | What it gives you | Stable |
|---|---|---|
[sdk](sdk/) | Core primitives — agent, graph DAG, kanban, model, llm, telemetry | yes |
[memory](memory/) | Memory domain — recall v2, history, knowledge, retrieval, text, and memory adapters | yes |
[sdkx](sdkx/) | Provider implementations (OpenAI, Anthropic, DeepSeek, MiniMax, Volcengine) + non-memory extensions | yes |
[vessel](vessel/) | In-process agent runtime — Captain, restart, probes, sidecars, per-run workspaces, assembly helpers | yes |
[cmd/vesseld](cmd/vesseld/) | Standalone daemon binary — declarative YAML, HTTP/SSE control plane | yes |
[voice](voice/) | Real-time voice pipeline (VAD / STT / LLM / TTS / WebRTC) | yes |
[examples/](examples/) | Worked end-to-end examples (voice pipeline, multi-vessel daemon, …) | — |
[tests/quality/](tests/quality/) | Quality / regression suites (knowledge retrieval, vessel runtime) | — |
[tests/e2e/](tests/e2e/) | Black-box end-to-end suites (vesseld subprocess) | — |
[tests/conformance/](tests/conformance/) | Provider conformance — same surface, every backend | — |
---
本项目是 Flowcraft 的简介，描述了项目的基本信息和目的。
本节介绍了 Flowcraft 的主要功能和特点，包括快速部署、多容器支持等。
本节暂无内容。
本节介绍了如何安装和部署 Flowcraft，包括使用 Docker、源码编译等方式。
本节提供了使用 Flowcraft 的快速入门教程，包括如何使用 Daemon 和 Library 等。
本节介绍了 Flowcraft 的配置说明，包括 MCP、环境变量和关键参数等。
本节介绍了 Flowcraft 的 API 和接口说明，包括 Streaming、Durable 和 Resumable 等功能。
本节介绍了 Flowcraft 的工作流和模块说明，包括 Module Map 等信息。
本节暂无内容。
该项目提供了一个高质量的Go SDK，用于构建AI代理，具有长期记忆和知识管理功能，值得关注
- 构建多智能体协作系统的 Agent 开发者
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 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：flowcraft 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
- 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
- 构建企业知识库 / RAG 检索应用的团队
- 做语音类 AI 产品的开发者
- 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：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 | flowcraft |
| 原始描述 | 开源AI工作流：Production-grade Go SDK for building AI agents with long-term memory, knowledge 。⭐274 · Go |
| Topics | workflowagent-frameworkagent-runtimeagentsaiai-agentsgo |
| GitHub | https://github.com/GizClaw/flowcraft |
| License | MIT |
| 语言 | Go |
收录时间：2026-06-04 · 更新时间：2026-06-06 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · 开源AI工作流
选择 Agent 类型，复制安装指令后粘贴到对应客户端