信息卡

一句话定位

"让不确定的模型，运行在确定的流程里"——把 LLM、脚本、API、数据库操作与人工审批编排成版本化、可校验、可重试、可恢复、可审计的生产级 AI 工作流运行时。

走红原因分析

最大卖点是用真实生产数据说话：已在上游写作平台笔枢（bishuxiezuo.cn）的 AI 小说产线验证，单次运行 11 个模型会话仅耗 17.7 万 Token，对比长链单 Agent 方案宣称节省约 70%–89%（该估算为项目方自报口径）；差异化叙事清晰——不与 Codex/Claude 类单智能体比聪明，而比工程确定性：节点局部上下文、结构化输出加脚本校验加自动重试、失败从断点恢复不重跑；开源的 bishu-novel 插件把 84 个生产节点直接交出来，可复现性在同期新星中罕见。

核心功能拆解

• 可视化 Workflow 编辑器：变量、条件、并行、循环、审批与子流程一应俱全；
• 四类核心节点：Agent、Script、Approval、Subprocess，节点抽象可自行扩展；
• 可靠执行：Task 启动即冻结定义与输入，支持自动/人工重试、跳过、失败恢复与跨进程检查点；
• LLM 边界控制：每会话独立 Token 账本，工具白名单/黑名单/最大轮次按节点配置；
• 输出契约：JSON 解析失败自动修复重试，下游节点可拒收触发上游返工；
• 观察交付：FastAPI 后端加 React 控制台，WebSocket 实时状态、健康检查、Cron 调度；

7. 复用资产：MCP/Prompt/Skill/Rule 组件跨工作流共享。

架构与技术栈浅析

Python 3.11 + FastAPI 后端、React 前端控制台、PostgreSQL 持久化、Docker Compose 一键起。执行流为：输入 → 版本化 Workflow → Agent Node（局部上下文+最少工具）→ 输出校验不合格回退 → Script/API/数据库 → 检查点+审计 → 交付；每次尝试、错误、Token 与产物全部落库。社区版默认 4 个本机 Executor 进程跑 detached 任务。

安装与环境要求

Python 3.11+、Node.js 22.12+ 与 npm；macOS/Linux 建议 venv 加 requirements.lock，Windows 用 PowerShell 类似流程；`.env` 配置 DEEPSEEK_API_KEY，新配置统一 DETERMINFLOW_* 前缀（旧 AI_COMPANY_* 变量为兼容别名）。最省事路径：`docker compose up --build`。

快速上手示例

启动后浏览器开 http://localhost:8020 进控制台建工作流，API 文档在 /docs，插件状态查 `GET /api/extensions`；想先研究再动手可直接克隆官方 bishu-novel 插件仓（7 个生产 Workflow、33 个 Agent/Prompt 组合），对照理解建书、角色、卷纲到润色的完整小说流水线。

进阶使用要点

单进程调试设 `DETERMINFLOW_WORKFLOW_EXECUTOR_MODE=inline` 且 COUNT=1；开发验证走 pytest 加 web 端 lint/test:extensions/build 三连；并行循环子流程拥有独立尝试历史便于排查；Roadmap 含更强 LLM 执行沙箱与 Workflow 发布为独立服务模板两项值得关注。

典型应用场景

• AI 内容生产线（网文、报告、营销文案）的多角色协作流水线；
• 需要"LLM 出草稿 + 脚本严格校验 + 人工审批兜底"的合规数据处理；
• 长 ETL 式 Agent 任务的中断恢复与成本核算；
• 教学与团队内部的确定性编排方法论样板。

同类生态位对比

对比 LangChain/AutoGen 生态，DeterminFlow 不卖智能体自主性而卖流程确定性，叙事接近 workflow-as-code 流派（n8n、Prefect 的 AI 化变体）；差异点是原生 LLM 节点语义（局部上下文、最小授权、账本隔离）与生产案例开源；AGPL 许可与 QQ/微信社群运营显示其主要面向中文开发者群体。

资源导航

仓库含 architecture.md、plugin-packages.md、extension-development.md 三份文档；插件见官方 DeterminFlow-Plugins 仓库与 bishu-novel 案例；社区入口 GitHub Issues 与 QQ/微信群。