📄 工具详情 ⚙️ 安装教程 📚 使用教程
⚙️
Agent工作流

Lion智能工作流系统

基于 Python · 无代码搭建完整 AI 自动化流程
英文名：lionagi
⭐ 394 Stars 🍴 74 Forks 💻 Python 📄 Apache-2.0 🏷 AI 8.2分
8.2AI 综合评分
AI工作流智能体框架LLM编排自动化开源
⬇ 下载源码 ZIP ⚙️ 配置说明
✦ AI Skill Hub 推荐

Lion智能工作流系统 是 AI Skill Hub 本期精选Agent工作流之一。综合评分 8.2 分，整体质量较高。我们强烈推荐将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析
Lion智能工作流系统 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。

Lion智能工作流系统 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 8.2 分，是同类 Agent 工作流中的精选推荐。
📋 工具概览

一个开源AI智能操作系统，提供完整的工作流和智能体框架。支持LLM集成、自动化任务编排和数据处理。适合开发者构建复杂AI应用、自动化工作流和多智能体系统。

Lion智能工作流系统 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
⭐ 394
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
Apache-2.0
AI 综合评分
8.2 分
工具类型
Agent工作流
Forks
74
📖 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」。

一个开源AI智能操作系统，提供完整的工作流和智能体框架。支持LLM集成、自动化任务编排和数据处理。适合开发者构建复杂AI应用、自动化工作流和多智能体系统。

Lion智能工作流系统 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 lionagi

# 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 lionagi

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

# 验证安装
python -c "import lionagi; 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
lionagi --help

# 基本用法
lionagi input_file -o output_file

# Python 代码中调用
import lionagi

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

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

# 或通过环境变量配置
export LIONAGI_API_KEY="your-key"
export LIONAGI_OUTPUT_DIR="./output"
📑 README 深度解析 真实文档 完整度 62/100 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

codecov

What's New in 0.23

  • Agent infrastructure — AgentConfig presets (.coding(), .research()) with built-in permission policies, hooks, and tool registration via create_agent().
  • Sandbox tool — SandboxSession uses git worktrees for isolated editing: create() → edit → diff() → commit() → merge() or discard().
  • New providers — DeepSeek (DEEPSEEK_API_KEY) and Pi (via Pi Code CLI) are now supported as CLI agent backends.
  • Settings merge — global ~/.lionagi/settings.yaml and per-project .lionagi/settings.yaml are merged automatically at startup.

DAG flow: orchestrator plans agents with dependency edges

li o flow claude/sonnet "Audit the auth module for security issues" --cwd .

Install

pip install lionagi

CLI provider auth — CLI aliases spawn subprocess tools, not REST API calls:

  • claude: install Claude Code CLI → claude login (subscription) or export ANTHROPIC_API_KEY=sk-ant-... (API key)
  • codex: requires ChatGPT Plus/Pro → npm install -g @openai/codex → codex login
  • deepseek: export DEEPSEEK_API_KEY=sk-... for DeepSeek models
  • pi: install Pi Code CLI for Pi models
  • Python API (iModel, Branch): export OPENAI_API_KEY=sk-... for gpt-4.1-mini default

Fan-out: N workers in parallel, optional synthesis

li o fanout claude/sonnet "Identify code smells in this codebase" -n 3 --with-synthesis

Optional Extras

uv add "lionagi[reader]"    # Document reading (PDF, HTML, DOCX)
uv add "lionagi[mcp]"       # MCP server support
uv add "lionagi[ollama]"    # Local models via Ollama
uv add "lionagi[rich]"      # Rich terminal output
uv add "lionagi[graph]"     # Flow visualization
uv add "lionagi[postgres]"  # PostgreSQL persistence
uv add "lionagi[all]"       # Everything

CLI — `li`

```bash

Skill: print a CC-compatible reference body to stdout (for agent context injection)

li skill commit

Python API

Chat

from lionagi import Branch

b = Branch(chat_model="openai/gpt-5.4", system="You are a concise assistant.")
reply = await b.communicate("What causes rainbows?")

Structured output

from pydantic import BaseModel

class Summary(BaseModel):
    points: list[str]
    confidence: float

result = await b.operate(instruction="Summarize this text.", response_format=Summary)

Tools + ReAct

from lionagi.tools.types import ReaderTool

branch = Branch(tools=[ReaderTool])
result = await branch.ReAct(
    instruct={"instruction": "Summarize /path/to/paper.pdf"},
)

Full reference → docs/api/

🎯 aiskill88 AI 点评 A 级 2026-05-22

lionagi是专业级AI工作流框架，架构清晰、功能完整。代码质量好，社区活跃维护，适合生产级应用开发，是构建智能体系统的理想选择。

📚 实用指南（长尾问题）
适合谁
  • 需要让 Claude / Cursor 操作本地工具的 AI 工程师
  • 构建多智能体协作系统的 Agent 开发者
最佳实践
  • 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
  • 本地部署优先选 GGUF 量化模型，节省显存并保持响应速度
  • 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）
  • MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
  • 显存不足直接 OOM — 优先降低 context 或换更小的量化模型
  • Python 依赖冲突：建议用 venv / uv 隔离环境
部署方案
  • CLI：直接 npm install -g / pip install，命令行调用
  • 本地部署：CPU 8GB 起，GPU 推荐 16GB+ 显存
  • 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
相关搜索
lionagi 中文教程lionagi 安装报错怎么办lionagi MCP 配置lionagi Agent 工作流lionagi 与同类工具对比lionagi 最佳实践lionagi 适合谁用
⚡ 核心功能
👥 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
  • +Apache-2.0 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

✅ Apache 2.0 — 宽松开源协议，可商用，需保留版权声明和 NOTICE 文件，含专利授权条款。

🔗 相关工具推荐
open-design — AI Agent 工作流中文教程
🎨 Local-first, open-source Claude Design alternative. ⚡ 19
awesome-claude-code — AI Agent 工作流中文教程
A curated list of awesome skills, hooks, slash-commands, age
marketingskills — AI Agent 工作流中文教程
Marketing skills for Claude Code and AI agents. CRO, copywri
last30days-skill — AI Agent 工作流中文教程
AI agent skill that researches any topic across Reddit, X, Y
📚 相关教程推荐
MCP 工作流生产级配置方案：从开发环境到团队共享
帮助中心 · AI Skill Hub
MCP 工作流生产级配置方案：从开发环境到团队共享
帮助中心 · AI Skill Hub
❓ 常见问题 FAQ
lionagi 是一款Python开发的AI辅助工具。开源AI工作流：An intelligence operating system。⭐394 · Python 主要应用场景包括：构建AI智能体应用、工作流自动化编排、LLM链式调用。
💡 AI Skill Hub 点评

经综合评估，Lion智能工作流系统 在Agent工作流赛道中表现稳健，质量优秀。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。

⬇️ 获取与下载
⬇ 下载源码 ZIP

✅ Apache-2.0 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 Lion智能工作流系统
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 lionagi
原始描述 开源AI工作流：An intelligence operating system。⭐394 · Python
Topics AI工作流智能体框架LLM编排自动化开源
GitHub https://github.com/ohdearquant/lionagi
License Apache-2.0
语言 Python
🔗 原始来源
🐙 GitHub 仓库  https://github.com/ohdearquant/lionagi

收录时间：2026-05-21 · 更新时间：2026-05-22 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。