Rig
Rig 是 AI Skill Hub 本期精选Agent工作流之一。已获得 7.4k 颗 GitHub Star，综合评分 8.0 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
Rig 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
Rig 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
Rig 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：cargo install（推荐） cargo install rig # 方式二：从源码编译 git clone https://github.com/0xPlaygrounds/rig cd rig cargo build --release # 二进制在 ./target/release/rig
- 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 rig --help # 基本运行 rig [options] <input> # 详细使用说明请查阅文档 # https://github.com/0xPlaygrounds/rig
# rig 配置说明 # 查看配置选项 rig --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 RIG_CONFIG="/path/to/config.yml"
简介
<p align="center"> <picture> <source media="(prefers-color-scheme: dark)" srcset="img/rig-rebranded-logo-white.svg"> <source media="(prefers-color-scheme: light)" srcset="img/rig-rebranded-logo-black.svg"> <img src="img/rig-rebranded-logo-white.svg" style="width: 40%; height: 40%;" alt="Rig logo"> </picture> <br> <br> <a href="https://rig.rs/docs"><img src="https://img.shields.io/badge/📖 docs-rig.rs-dca282.svg" /></a> <a href="https://docs.rs/rig/latest/rig/"><img src="https://img.shields.io/badge/docs-API Reference-dca282.svg" /></a> <a href="https://crates.io/crates/rig"><img src="https://img.shields.io/crates/v/rig.svg?color=dca282" /></a> <a href="https://crates.io/crates/rig"><img src="https://img.shields.io/crates/d/rig-core.svg?color=dca282" /></a> <a href="LICENSE"><img src="https://img.shields.io/crates/l/rig.svg?color=dca282" /></a> </br> <a href="https://discord.gg/playgrounds"><img src="https://img.shields.io/discord/511303648119226382?color=%236d82cc&label=Discord&logo=discord&logoColor=white" /></a> <a href=""><img src="https://img.shields.io/badge/built_with-Rust-dca282.svg?logo=rust" /></a> <a href="https://github.com/0xPlaygrounds/rig"><img src="https://img.shields.io/github/stars/0xPlaygrounds/rig?style=social" alt="stars - rig" /></a> <br>
<br> </p>
📑 Docs <span> • </span> 🌐 Website <span> • </span> 🤝 Contribute <span> • </span> ✍🏽 Blogs <span> • </span> <a href="https://ryzome.ai"><img src="img/ryzome-bg.png" height="32" align="absmiddle" alt="Ryzome" /></a>
</div>
✨ If you would like to help spread the word about Rig, please consider starring the repo!
[!WARNING] Here be dragons! As we plan to ship a torrent of features in the following months, future updates will contain breaking changes. With Rig evolving, we'll annotate changes and highlight migration paths as we encounter them.
Features
- Agentic workflows that can handle multi-turn streaming and prompting - A classic agent runtime enabled by default - Full GenAI Semantic Convention compatibility - 20+ model providers, all under one singular unified interface - 10+ vector store integrations, all under one singular unified interface - Full support for LLM completion and embedding workflows - Support for transcription, audio generation and image generation model capabilities - Integrate LLMs in your app with minimal boilerplate - Browser-WASM (wasm32-unknown-unknown) support for the portable core and classic runtime — see target support for the full matrix (WASI is not supported; rig-rmcp/MCP is native-only)
Simple example
use rig::prelude::*;
use rig::providers::openai;
#[tokio::main]
async fn main() -> Result<(), anyhow::Error> {
// Create OpenAI client
let client = openai::Client::from_env()?;
// Create agent with a single context prompt
let comedian_agent = client
.agent(openai::GPT_5_2)
.preamble("You are a comedian here to entertain the user using humour and jokes.")
.build();
// Prompt the agent and print the response
let response = comedian_agent.prompt("Entertain me!").await?;
println!("{}", response.output);
Ok(())
}#[tokio::main] requires you enable tokio's macros and rt-multi-thread features or just full to enable all features (cargo add tokio --features macros,rt-multi-thread).
You can find more examples in each crate's examples directory (for example, examples). Provider-specific integration coverage lives under tests/providers, with cassette-backed tests that replay offline by default and live-only tests kept separate when real provider APIs are still required. See tests/README.md for test target, replay, record, and cassette safety commands. More detailed use case walkthroughs are regularly published on our Dev.to Blog and added to Rig's official documentation at rig.rs/docs.
Supported Integrations
The root rig facade exposes companion crates behind one feature per integration:
rig = { version = "0.36.0", features = ["lancedb", "fastembed"] }| Integration | Crate | Feature | Module path |
|---|---|---|---|
| AWS Bedrock | [rig-bedrock](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-bedrock) | bedrock | rig::bedrock |
| AWS S3Vectors | [rig-s3vectors](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-s3vectors) | s3vectors | rig::s3vectors |
| Candle (local Llama/SmolLM2/Qwen3 tools) | [rig-candle](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-candle) | candle | rig::candle |
| Cloudflare Vectorize | [rig-vectorize](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-vectorize) | vectorize | rig::vectorize |
| FastEmbed | [rig-fastembed](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-fastembed) | fastembed | rig::fastembed |
| Google Gemini gRPC | [rig-gemini-grpc](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-gemini-grpc) | gemini-grpc | rig::gemini_grpc |
| Google Vertex AI | [rig-vertexai](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-vertexai) | vertexai | rig::vertexai |
| HelixDB | [rig-helixdb](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-helixdb) | helixdb | rig::helixdb |
| LanceDB | [rig-lancedb](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-lancedb) | lancedb | rig::lancedb |
| Memory policies | [rig-memory](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-memory) | memory | rig::memory |
| Milvus | [rig-milvus](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-milvus) | milvus | rig::milvus |
| MongoDB | [rig-mongodb](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-mongodb) | mongodb | rig::mongodb |
| Neo4j | [rig-neo4j](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-neo4j) | neo4j | rig::neo4j |
| PostgreSQL | [rig-postgres](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-postgres) | postgres | rig::postgres |
| Qdrant | [rig-qdrant](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-qdrant) | qdrant | rig::qdrant |
| ScyllaDB | [rig-scylladb](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-scylladb) | scylladb | rig::scylladb |
| SQLite | [rig-sqlite](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-sqlite) | sqlite | rig::sqlite |
| SurrealDB | [rig-surrealdb](https://github.com/0xPlaygrounds/rig/tree/main/crates/rig-surrealdb) | surrealdb | rig::surrealdb |
rig::memory is available without the memory feature; it contains the core conversation memory traits and in-memory backend re-exported from rig-core. Enabling features = ["memory"] adds reusable history-shaping policy types from the rig-memory companion crate to the same module.
We also have some other associated crates that have additional functionality you may find helpful when using Rig: - rig-onchain-kit - the Rig Onchain Kit. Intended to make interactions between Solana/EVM and Rig much easier to implement.
<p align="center"> <br> <br> <img src="img/built-by-playgrounds.svg" alt="Build by Playgrounds" width="30%"> </p>
高质量的AI工作流框架，值得关注
- 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
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 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）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- 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
- 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
- 构建企业知识库 / RAG 检索应用的团队
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- 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）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
👥 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
- +GitHub 7.4k Star，社区高度认可
- +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
经综合评估，Rig 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。
| 原始名称 | rig |
| 原始描述 | 开源AI工作流：⚙️🦀 Build modular and scalable LLM Applications in Rust。⭐7.4k · Rust |
| Topics | airustworkflowautomation |
| GitHub | https://github.com/0xPlaygrounds/rig |
| License | MIT |
| 语言 | Rust |
收录时间：2026-05-26 · 更新时间：2026-05-30 · 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 · Rig
选择 Agent 类型，复制安装指令后粘贴到对应客户端