能力标签
⚙️
Agent工作流

墨流:开源AI工作流

基于 Python · 无代码搭建完整 AI 自动化流程
英文名:inkflow
⭐ 6 Stars 💻 Python 📄 MIT 🏷 AI 7.5分
7.5AI 综合评分
workflowaiai-agentsai-novelchinese-novelcreative-writingpython
✦ AI Skill Hub 推荐

AI Skill Hub 推荐使用:墨流:开源AI工作流 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
墨流:开源AI工作流 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。

墨流: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

墨流(InkFlow)是基于LLM的工业化长篇小说创作引擎,采用流程标准化+技能插拔化架构,提高创作效率和质量。

墨流: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。

GitHub Stars
⭐ 6
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
MIT
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」。

墨流(InkFlow)是基于LLM的工业化长篇小说创作引擎,采用流程标准化+技能插拔化架构,提高创作效率和质量。

墨流: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。

📌 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 inkflow

# 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 inkflow

# 方式三:从源码安装(获取最新功能)
git clone https://github.com/real-Elysia886/inkflow
cd inkflow
pip install -e .

# 验证安装
python -c "import inkflow; print('安装成功')"
📋 安装步骤说明
  1. 访问 GitHub 仓库获取工作流文件
  2. 在对应平台(Dify / Flowise / Make 等)中找到「导入工作流」功能
  3. 上传工作流文件
  4. 按照提示配置必要的环境变量和 API Key
  5. 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
inkflow --help

# 基本用法
inkflow input_file -o output_file

# Python 代码中调用
import inkflow

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

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

# 或通过环境变量配置
export INKFLOW_API_KEY="your-key"
export INKFLOW_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 64/100 含工作流图 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

<p align="center"> <img src="https://img.shields.io/badge/inkflow-Next--Gen_AI_Novel_Engine-8b5cf6?style=for-the-badge&logo=openai" alt="inkflow"> <img src="https://img.shields.io/badge/UI-Modern_Glassmorphism-a78bfa?style=for-the-badge" alt="UI"> </p>

🖊 inkflow

<p align="center"> <strong>多智能体协同的小说创作引擎:让长篇创作重获连贯与灵魂</strong><br> A Narrative Symphony Orchestrated by 7 Specialized AI Agents. </p>

<p align="center"> <img src="https://img.shields.io/badge/Python-3.10+-3776ab?logo=python&logoColor=white" alt="Python"> <img src="https://img.shields.io/badge/FastAPI-0.115+-009688?logo=fastapi&logoColor=white" alt="FastAPI"> <img src="https://img.shields.io/badge/WebSocket-Realtime-orange?logo=socket.io&logoColor=white" alt="WebSocket"> <img src="https://img.shields.io/badge/Agents-7_Specialized-blueviolet" alt="Agents"> <img src="https://img.shields.io/badge/License-MIT-green" alt="License"> </p>

---

✨ 核心特性一览

安装环境

推荐使用 uv 极速同步环境:

git clone https://github.com/real-Elysia886/inkflow.git
cd inkflow
uv sync

Docker 部署

git clone https://github.com/real-Elysia886/inkflow.git
cd inkflow
docker-compose up -d --build

访问 http://你的服务器IP:8000,在 模型配置 页面添加 Provider 并填入 API Key 即可。

```bash

🚀 快速启动

启动创作引擎

python main.py
访问 http://127.0.0.1:8000 即可开启你的创作之旅。

首次使用:进入 模型配置 页面,添加 LLM Provider(如 OpenAI、DeepSeek)并填入 API Key。

⚙️ 模型配置建议

inkflow 支持为不同角色路由配置不同的 LLM 模型,以平衡质量、速度和成本。以下是推荐配置:

参数设置建议

参数规划/大纲正文撰写质量审校事实提取
**温度**0.2-0.40.7-0.90.1-0.30.2-0.4
**Max Tokens**2048-40964096-81922048-40961024-2048

---

1. 7-Agent 协同管线 (The Pipeline)

基于 WebSocket 的实时进度流,你可以亲眼看到故事是如何诞生的: - 🎯 Strategist (战略师): 掌控全局节奏,决定章节的情绪走向。 - 📋 Prophet (大纲师): 滚动规划未来 5 章的大纲,确保逻辑不跑偏。 - 🔧 Compose (编排师): 从万字内存中提取最相关的"真相片段"喂给写手。 - ✍️ Writer (写手): 拒绝水文!根据风格指纹输出极具感染力的正文。 - 🔍 Editor (编辑): 双层审计(代码层 + LLM 层),不合格?重写! - 👁 Observer (观察者): 实时提取新出现的角色、物品与伏笔。 - 📚 Librarian (图书管理员): 自动更新世界设定,维护记忆的绝对权威。

角色路由与模型推荐

角色用途推荐模型等级温度Max Tokens说明
**Strategist** (战略师)全局节奏规划高质量0.34096需要强推理能力,决定故事走向
**Prophet** (大纲师)章节大纲生成高质量0.44096需要逻辑一致性,规划未来5章
**Writer** (写手)正文撰写平衡0.88192需要创意和流畅度,温度可适当提高
**Editor** (编辑)质量审校高质量0.24096需要精准判断,温度要低
**Observer** (观察者)事实提取快速0.32048结构化提取,不需要创意
**Reflector** (反思者)事实写入快速0.22048结构化操作,不需要创意
**Librarian** (图书管理员)章节摘要快速0.32048摘要生成,不需要创意

模型选择策略

#### 高质量模型(推荐用于关键角色) 适用于 Strategist、Prophet、Editor 等需要强推理和精准判断的角色。

#### 平衡模型(推荐用于创意角色) 适用于 Writer 等需要创意和流畅度的角色。

#### 快速模型(推荐用于结构化任务) 适用于 Observer、Reflector、Librarian 等执行结构化操作的角色。

🎯 aiskill88 AI 点评 A 级 2026-05-23

墨流是一个有潜力的开源AI工作流项目,值得关注和学习。

📚 实用指南(长尾问题)
适合谁
  • 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
  • 跨境业务、多语言内容运营团队
最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖,并挂载 volume 持久化数据
  • 分块大小建议 256-512 tokens,向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
常见错误
  • 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
  • embedding 模型与查询模型不一致导致检索失效
  • Python 依赖冲突:建议用 venv / uv 隔离环境
部署方案
  • Docker:inkflow 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
相关搜索
inkflow 中文教程inkflow 安装报错怎么办inkflow Docker 部署inkflow Agent 工作流inkflow 与同类工具对比inkflow 最佳实践inkflow 适合谁用
⚡ 核心功能
👥 适合谁
  • 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
  • 跨境业务、多语言内容运营团队
⭐ 最佳实践
  • 生产部署优先使用 Docker Compose 隔离依赖,并挂载 volume 持久化数据
  • 分块大小建议 256-512 tokens,向量库优选 pgvector 或 Qdrant
  • Agent 任务先做 dry-run 验证工具调用链,再开启自主执行
⚠️ 常见错误
  • 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
  • embedding 模型与查询模型不一致导致检索失效
  • Python 依赖冲突:建议用 venv / uv 隔离环境
👥 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
  • +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
⚠️ 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

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

✅ 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
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🗺️ 相关解决方案
🧩 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
❓ 常见问题 FAQ
请参考项目README文件
💡 AI Skill Hub 点评

总体来看,墨流:开源AI工作流 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
⬇ 下载源码 ZIP

✅ MIT 协议 · 可免费商用 · 直接从 aiskill88 服务器下载,无需跳转 GitHub

📚 深入学习 墨流:开源AI工作流
查看分步骤安装教程和完整使用指南,快速上手这款工具
🌐 原始信息
原始名称 inkflow
原始描述 开源AI工作流:InkFlow(墨流) 是一个基于 LLM 的工业化长篇小说创作引擎。采用“流程标准化 + 技能插拔化”架构,8 个专职 Agent 通过 Plan → Com。⭐6 · Python
Topics workflowaiai-agentsai-novelchinese-novelcreative-writingpython
GitHub https://github.com/real-Elysia886/inkflow
License MIT
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/real-Elysia886/inkflow

收录时间:2026-05-21 · 更新时间:2026-05-22 · License:MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。