人工智能工作流
AI Skill Hub 强烈推荐：人工智能工作流 是一款优质的Agent工作流。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
人工智能工作流 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 8.0 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览
人工智能工作流 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
人工智能工作流 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 lemma-platform
# 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 lemma-platform
# 方式三：从源码安装（获取最新功能）
git clone https://github.com/lemma-work/lemma-platform
cd lemma-platform
pip install -e .
# 验证安装
python -c "import lemma_platform; 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
lemma-platform --help
# 基本用法
lemma-platform input_file -o output_file
# Python 代码中调用
import lemma_platform
# 示例
result = lemma_platform.process("input")
print(result)
# lemma-platform 配置文件示例（config.yml） app: name: "lemma-platform" debug: false log_level: "INFO" # 运行时指定配置文件 lemma-platform --config config.yml # 或通过环境变量配置 export LEMMA_PLATFORM_API_KEY="your-key" export LEMMA_PLATFORM_OUTPUT_DIR="./output"
简介
<img src="lemma-frontend/src/app/icon.svg" alt="Lemma" width="56">
add your model provider key to .env, then:
docker compose up -d
**Your coding agent.**
<img src="docs/Assets/Logos/claude.svg" height="16" alt="Claude Code"> Claude Code,
<img src="docs/Assets/Logos/codex.svg" height="16" alt="Codex"> Codex,
<img src="docs/Assets/Logos/cursor.svg" height="16" alt="Cursor"> Cursor,
<img src="docs/Assets/Logos/opencode-logo-light.svg" height="16" alt="OpenCode"> OpenCode or
<img src="docs/Assets/Logos/antigravity.png" height="16" alt="Antigravity"> Antigravity
can build a whole teammate. Paste this in:
1. Install the CLI with uv tool install lemma-terminal (not pip; it needs Python 3.14 and uv provides it). 2. Run lemma auth login and let me finish signing in. 3. Run lemma skills install, then tell me to restart you so the skills load. 4. After the restart, use the Lemma builder skills.
Based on what you already know about me, my work and how my team works, propose the one teammate that would take the most off our plate: its job, who it works with, and what it should never do without asking. Ask me anything you can't work out. Once I agree, build it: the tables that hold the shared state, the agents and workflows that move the work, the app people open, and the permissions, with a person approving anything consequential. ```
It writes everything as files, imports them, and runs the workflow to check it stops where it should.
<img src="docs/Assets/icons/workflows.svg" width="26" height="26" align="top" alt=""> Workflows
When work passes between people and agents in the same order every time, write it down as a workflow. Each step is an agent, a function (plain code that does the same thing every time), a decision, a loop, a wait, or a form for a named person. A workflow starts on a schedule, a table change, a webhook, or by hand.
Runs are durable. A step waiting on a person can wait for days, and the run resumes exactly where it stopped.
开源AI工作流平台，功能强大，易于扩展
- 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
- 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
- Python 依赖冲突：建议用 venv / uv 隔离环境
- Docker：lemma-platform 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
- 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
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 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
- +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
该工具使用 AGPL-3.0 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。
⚠️ AGPL 3.0 — 最严格的 Copyleft，网络服务端使用也需开源，SaaS 使用受限。
🔗 相关工具推荐
❓ 常见问题 FAQ
总体来看，人工智能工作流 是一款质量优秀的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。
| 原始名称 | lemma-platform |
| 原始描述 | 开源AI工作流：The open-source workspace where humans and AI agents work as one team.。⭐217 · Python |
| Topics | aiworkflowpython |
| GitHub | https://github.com/lemma-work/lemma-platform |
| License | AGPL-3.0 |
| 语言 | Python |
收录时间：2026-07-07 · 更新时间：2026-07-11 · License：AGPL-3.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。
🤖 交给 Agent 安装 · 人工智能工作流
选择 Agent 类型，复制安装指令后粘贴到对应客户端