📄 工具详情 ⚙️ 安装教程 📚 使用教程
能力标签
🔌 MCP🤖 Agent💻 CLI🧠 Claude✨ GPT🖥 本地 LLM
智能工作流
⚙️
Agent工作流

智能工作流

基于 Go · 无代码搭建完整 AI 自动化流程
英文名：san
⭐ 39 Stars 🍴 12 Forks 💻 Go 📄 Apache-2.0 🏷 AI 7.5分
7.5AI 综合评分
ai-agentsautomationcli
⬇ 下载源码 ZIP ⚙️ 配置说明
✦ AI Skill Hub 推荐

智能工作流 是 AI Skill Hub 本期精选Agent工作流之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。

📚 深度解析

智能工作流 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。

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 7.5 分，是同类 Agent 工作流中的精选推荐。

📋 工具概览

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。

GitHub Stars
⭐ 39
开发语言
Go
支持平台
Windows / macOS / Linux（跨平台）
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
7.5 分
工具类型
Agent工作流
Forks
12

📖 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」。

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。

📌 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：go install（推荐）
go install github.com/genai-io/san@latest

# 方式二：从源码编译
git clone https://github.com/genai-io/san
cd san
go build -o san .

# 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/genai-io/san/releases
📋 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
# 查看帮助
san --help

# 基本运行
san [options] <input>

# 详细使用说明请查阅文档
# https://github.com/genai-io/san
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
# san 配置说明
# 查看配置选项
san --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 SAN_CONFIG="/path/to/config.yml"
📑 README 深度解析 真实文档 完整度 61/100 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

< SAN ✦ />

Open-source unified runtime for specialized AI agents — in the terminal

Release Website Getting Started Docs License

English · 简体中文

San

▶ Watch the animated intro

San is a terminal-native unified runtime for specialized agents — coding and beyond — built on five pluggable pillars: LLMs, search backends, personas, skills & extensions (skills, plugins, MCP servers, subagents), and a self-evolving agent that levels up as you work. Written in Go.

<sub>The name — San, written 三 ("three") and drawn ☰. From the Dao De Jing, 三生万物 — "three begets the ten-thousand things": one runtime that becomes any agent, running a three-step loop (reason → act → observe). The command stays san.</sub>

Features

Installation

curl -fsSL https://raw.githubusercontent.com/genai-io/san/main/install.sh | bash

Re-run to upgrade. To uninstall:

curl -fsSL https://raw.githubusercontent.com/genai-io/san/main/install.sh | bash -s uninstall

<details> <summary><b>Other methods</b></summary>

Go Install

go install github.com/genai-io/san/cmd/san@latest

Build from Source

git clone https://github.com/genai-io/san.git
cd san
go build -o san ./cmd/san
mkdir -p ~/.local/bin && mv san ~/.local/bin/

</details>

Usage

san                            # interactive
san "explain this function"    # one-shot
cat main.go | san "review"     # piped input
san --continue                 # resume latest session
san --resume                   # pick a past session
san inspector                  # open session transcript viewer
WhatHow
Pick / switch model/model — saved to ~/.san/providers.json
Cycle thinking budgetCtrl+T or /think (levels vary by provider)
All slash commands/help (/identity, /search, /skills, /agents, /mcp, /compact, …)
Toggle permission modeShift+Tab (ask · auto-accept · plan)
Expand tool · cancel · exitCtrl+O · Ctrl+C · Ctrl+D

For API keys, set the matching env var (see Credentials below) or paste when prompted on first launch. Full walkthrough: docs/guides/getting-started.md.

Configuration

Config lives in ~/.san/ (user) and <project>/.san/ (project, overrides user). A SAN.md or CLAUDE.md at the project root is auto-loaded into the system prompt.

<details> <summary><b>Credentials</b></summary>

ServiceVariable
**Anthropic** (Claude)ANTHROPIC_API_KEY or [Vertex AI](https://cloud.google.com/vertex-ai/generative-ai/docs/partner-models/claude)
**OpenAI** (GPT, o-series, Codex)OPENAI_API_KEY
**Google** (Gemini)GOOGLE_API_KEY
**Moonshot** (Kimi)MOONSHOT_API_KEY
**DeepSeek** (DeepSeek V4)DEEPSEEK_API_KEY
**Alibaba** (Qwen)DASHSCOPE_API_KEY
**MiniMax**MINIMAX_API_KEY
**Z.ai** (GLM)BIGMODEL_API_KEY
**Ollama** (local)OLLAMA_BASE_URL (default http://localhost:11434/v1)
**Exa** search_none_ (default)
**Tavily** searchTAVILY_API_KEY
**Brave** searchBRAVE_API_KEY
**Serper** searchSERPER_API_KEY

</details>

<details> <summary><b>Directory layout</b></summary>

User-level (~/.san/):

providers.json    # Provider connections and current model
settings.json     # Permissions, hooks, env, identity
skills.json       # Skill states
identities/       # Custom personas (see /identity)
skills/           # Custom skill definitions
agents/           # Custom agent definitions
commands/         # Custom slash commands
plugins/          # Installed plugins
projects/         # Session transcripts + indexes

Project-level (.san/):

settings.json      # Permissions, hooks, disabled tools
mcp.json           # MCP server definitions
identities/*.md    # Project-scoped personas (override user-level)
agents/*.md        # Subagent definitions
skills/*/SKILL.md  # Skills
commands/*.md      # Slash commands

</details>

Benchmark: San vs Claude Code

Compared with Claude Code v2.1.112 on Apple Silicon, same model (claude-sonnet-4-6):

MetricSanClaude CodeAdvantage
Download size12 MB63 MB (+ Node.js 112 MB)**5x smaller**
Disk footprint38 MB175 MB**4.6x smaller**
Startup time~0.01s~0.20s**20x faster**
Startup memory~32 MB~189 MB**5.8x less**
Simple task~2.4s / 39 MB~10.4s / 286 MB**4.3x faster, 7.3x less memory**
Tool-use task~3.3s / 39 MB~26.0s / 285 MB**7.9x faster, 7.2x less memory**

Both tools have comparable features (hooks, skills, plugins, session, MCP, etc.). The performance gap comes from Go's native compilation, minimal architecture design, and lean prompt engineering — vs Node.js V8/JIT/GC runtime overhead.

See full details: docs/operations/benchmark.md

📚 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
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
san 中文教程san 安装报错怎么办san MCP 配置san Agent 工作流san 与同类工具对比san 最佳实践san 适合谁用

⚡ 核心功能

👥 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

👥 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

LangChain AI开发框架
Agent工作流
ai-agents-for-beginners Agent工作流
微软官方开源项目，提供12堂系统课程学习AI智能体框架。涵盖工作流设计、RAG检索增强、多智能体协作等核心技能。适合AI
n8n AI工作流自动化
Agent工作流
LangFlow 可视化AI开发
Agent工作流
📚 相关教程推荐
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
Claude Code 完全指南：从安装到高级用法的系统教程
帮助中心 · AI Skill Hub
📰 相关 AI 新闻
AI 前沿资讯：We kept improving the AI. Noth…
AI 资讯 · 知识关联
AI 开源生态最新进展
AI 资讯 · 知识关联
Anthropic Claude 最新进展
AI 资讯 · 知识关联
AI 前沿资讯：Feel like I'm becoming the glu…
AI 资讯 · 知识关联
🍿 AI 圈相关吃瓜
配了5个 MCP 工具，Claude 一个都没用
AI 圈观察
AutoGPT 自主完成了任务：把我的文件夹全部重命名了
AI 圈观察
Filesystem MCP 帮 Claude 找文件，找了整个 node_modules
AI 圈观察
🗺️ 相关解决方案
mcp
mcp-server-setup
agent
ai-agent-workflow
cli
cli-productivity
llm_local
local-llm-deploy
🧩 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
技能寻求者
MCP · Agent · 工作流
DeepCode Agent工作流
MCP · Agent · 工作流
total-agent-memory MCP工具
为Claude Code和Codex CLI提供持久化记忆功能的开源MCP工具。自动提取知识图谱，支持多轮对话上下文保留，适合需要长期记忆和
natively-cluely-ai-assistant — Claude Skill 中文使用文档
免费开源的AI面试助手，实时转录，隐蔽模式，局部RAG，BYOK。无订阅，防止数据泄露。
kb-arena开源AI工作流
kb-arena是开源的AI工作流，用于Benchmark 9 retrieval architectures（向量、上下文、QnA、知识图
CrewAI 多代理协作平台
MCP · Agent · 工作流

❓ 常见问题 FAQ

san 是一款Go开发的AI辅助工具。开源AI工作流：Open-source AI agent. Lives in your terminal.。⭐39 · Go 主要应用场景包括：自动化工作流。
💡 AI Skill Hub 点评

经综合评估，智能工作流 在Agent工作流赛道中表现稳健，质量良好。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 智能工作流
查看分步骤安装教程和完整使用指南，快速上手这款工具
⚙️ 安装教程 📚 使用教程
🌐 原始信息
原始名称 san
原始描述 开源AI工作流：Open-source AI agent. Lives in your terminal.。⭐39 · Go
Topics ai-agentsautomationcli
GitHub https://github.com/genai-io/san
License Apache-2.0
语言 Go
🔗 原始来源
🐙 GitHub 仓库  https://github.com/genai-io/san 🌐 官方网站  https://genai-io.github.io/san/

收录时间：2026-06-05 · 更新时间：2026-06-08 · License：Apache-2.0 · AI Skill Hub 不对第三方内容的准确性作法律背书。