DeterminFlow

📌 适用场景:AI 工作流

生产级AI工作流运行时:构建/验证/恢复/发布复杂Agent流水线

8.3 /10 ★★★★☆
🪜 4 个步骤 🛠️ 0 款工具 ⏱️ 45 分钟 🎯 高级 🕒 更新于 2026-08-24

📋 完整步骤

  1. 1

    安装部署

    通过pip安装DeterminFlow并启动服务

  2. 2

    定义流水线

    编写YAML流水线定义文件

  3. 3

    运行与监控

    执行流水线并监控运行状态

  4. 4

    验证与发布

    验证流水线输出并发布到目标环境

DeterminFlow

生产级AI工作流运行时:构建/验证/恢复/发布复杂Agent流水线

这是什么?适合谁?

DeterminFlow 是一个 AI 工作流,生产级AI工作流运行时:构建/验证/恢复/发布复杂Agent流水线。

在当前 AI 工具链日益复杂的背景下,工作流自动化成为提升效率的关键。DeterminFlow 通过结构化的方式,帮助用户构建可复用的 AI 工作流。

适合谁?编程开发领域的 AI 开发者、自动化工程师以及需要将多个 AI 工具串联使用的团队。

准备工作

  • 设备要求:Node.js 18+ 或 Python 3.10+
  • 账号要求:GitHub 账号
  • 前置工具:可能需要 Docker 环境
  • 网络要求:能够访问 AI API 端点

核心流程

Step 1:安装部署

通过pip安装DeterminFlow并启动服务

按照项目文档中的详细步骤完成此阶段的配置和验证。

Step 2:定义流水线

编写YAML流水线定义文件

按照项目文档中的详细步骤完成此阶段的配置和验证。

Step 3:运行与监控

执行流水线并监控运行状态

按照项目文档中的详细步骤完成此阶段的配置和验证。

Step 4:验证与发布

验证流水线输出并发布到目标环境

按照项目文档中的详细步骤完成此阶段的配置和验证。

初级用法

基础场景

  1. 单次执行:按照核心流程完成一次完整的工作流执行
  2. 参数调整:修改输入参数观察输出变化
  3. 结果验证:验证工作流输出是否符合预期

高级玩法

进阶场景

  1. 批量处理:配置批量输入,让工作流自动处理多个任务
  2. 自定义扩展:修改工作流步骤,添加自定义处理逻辑
  3. CI/CD集成:将工作流集成到持续集成流水线中

小技巧

  • 使用—visualize生成流水线可视化图
  • 配置alerting.yaml设置告警规则
  • 利用templates目录中的流水线模板
  • 使用—replay从检查点恢复执行
  • 参考examples目录中的生产级流水线示例

常见踩坑

流水线定义错误

症状: YAML语法或逻辑错误

原因与解决: 使用determinflow validate检查流水线定义

状态恢复失败

症状: 检查点数据损坏

原因与解决: 配置外部存储(如S3)保存检查点

并发冲突

症状: 多个流水线实例操作同一资源

原因与解决: 使用—lock参数启用分布式锁

性能瓶颈

症状: 流水线步骤过多

原因与解决: 使用—parallel参数并行化独立步骤

部署失败

症状: 目标环境配置错误

原因与解决: 使用—dry-run模式先验证部署配置

常见问题 FAQ

Q: DeterminFlow与Airflow/Prefect的区别?

A: DeterminFlow专为AI Agent工作流设计,支持Agent原生集成。

Q: 支持哪些LLM?

A: 支持OpenAI、Anthropic、DeepSeek等主流LLM。

Q: 可以用于生产环境吗?

A: AGPL-3.0协议,适合生产使用,但需注意许可证要求。

Q: 如何实现高可用?

A: 支持多实例部署,通过外部存储共享状态。

Q: 与super-simple-software-factory的区别?

A: DeterminFlow是通用运行时,Super Simple Software Factory是特定场景的Skill。

免责声明

本文基于公开资料整理,AI 辅助生成。功能和定价信息以 https://github.com/alikon-art/DeterminFlow 官方页面为准,使用前请自行验证。评分和评价仅代表分析视角,不构成购买建议。


参考链接


最后更新:2026-08-07 · 作者:MagicNetWorld

📊 评分与标签

核验口径:已按现行口径通过,待按新证据契约复核

评分说明

总分 8.3/10 · P_优选

📊 可观测社区指标(数据核验日期:2026-10-02)

  • GitHub: alikon-art/DeterminFlow ★819,🔱117(创建 2026-08-02,最近推送 2026-09-11;13 个 tag / 13 个 release)
  • 协议:AGPL-3.0-only(传染性条款,商用需评估)
  • 文档:中英双语 README(README.md / README.en.md)+ 仓库 docs/ 14 篇(架构、插件包规范、扩展开发、资源广场等)+ 运行时 /docs API 文档
  • 分发:GitHub Releases 与 官网下载页 提供桌面安装包(Core / Full)

⚠️ 维度集说明:本条目归属 workflows.json(workflow 类型)。原文件误用 tool 六维度,2026-10-02 就地改为 workflow 规范五维度(满分 3.0 / 2.5 / 2.0 / 1.5 / 1.0),条目未跨目录搬动。

🧭 流程完整性 2.6/3.0

  • 构建/校验/恢复/回放四件套是框架一等能力而非附加件:Task 启动时冻结 Workflow 定义与输入,进程重启后可从失败节点恢复,已完成部分不重跑
  • 可视化 Workflow Editor(变量、条件、并行、循环、人工审批、子流程)+ Agent/Script/Approval/Subprocess 四类 Core Node;输出不合格时自动检测/修复/重试,下游节点可拒绝结果触发上游定向返工
  • 交付链路完整:可包装为 API、后台服务、Cron Automation 或 Plugin;FastAPI + React 控制台 + WebSocket 事件 + 健康检查
  • 生产案例(官方自述):笔枢写作串联导演/世界状态/多写手/校验/渲染/落库,11 个独立模型会话、单次 176,584 token,估算节点级上下文隔离省 70%–89% token
  • 扣分:生产案例与 token 账本均为官方自述,本次未独立复现;社区插件与主进程同权限运行、无沙箱(官方 Roadmap 仍列「更强的 Workspace 与 LLM 执行沙箱」);macOS 桌面包为 ad-hoc 签名、未过公证
  • 竞品对比 1(n8n):可视化与连接器生态强,但执行语义确定性弱;DeterminFlow 反向专精
  • 竞品对比 2(LangGraph):图编排 API 灵活,但校验/恢复/回放需自建;DeterminFlow 内置

🔁 可复用性 1.9/2.5

  • Plugin Package 规范成文(docs/plugin-packages.md);官方插件仓库 DeterminFlow-Plugins 含生产案例 bishu-novel(7 工作流 / 84 节点 / 33 Agent 与 Prompt / 15 脚本模块);社区插件仓库独立,Core 内置该源
  • 通用 Core Node 抽象允许 Fork 扩展新节点类型;MCP、Agent/Prompt 模板、Skill、Rule 均可作为可复用资产
  • 资源广场支持浏览/搜索/安装/投稿,安装与更新会校验版本、来源与内容摘要
  • 扣分:资源广场首期只分发 Skill;社区插件「进入目录不等于安全背书」,官方明确提示同权限无沙箱风险;复用仍绑定本运行时
  • 竞品对比 1(自研流水线):恢复/回放机制需自行开发,工程人月成本极高;DeterminFlow 白送
  • 竞品对比 2(n8n 模板社区):模板数量多但质量参差;DeterminFlow 插件带版本与来源校验

📖 文档清晰度 1.7/2.0

  • 中英双语 README;docs/ 目录 14 篇专题文档(architecture、plugin-packages、extension-development、resource-marketplace、workspace-contracts、memory-contracts、llm-pricing 等);运行时 /docs 提供 API 文档
  • 快速开始覆盖三套路径:macOS/Linux、Windows PowerShell、Docker Compose,并给出 Python 3.11+ / Node 22.12+ 依赖要求
  • 扣分:文档以仓库 Markdown 为主、无独立文档站;本次只核验了 docs/ 目录清单与 README 正文,未逐篇通读 14 篇文档
  • 竞品对比 1(Airflow):官方文档体系更庞大;DeterminFlow 文档量级小但对中文用户友好
  • 竞品对比 2(多数新项目):仅一段 README;DeterminFlow 有 14 篇专题文档

🧩 工具集成 1.1/1.5

  • 插件机制 + 官方与社区两个插件仓库 + Core 内置社区源;MCP 与 Skill/Prompt/Rule 资产可直接进入工作流;FastAPI / WebSocket / Cron Automation / 健康检查;Docker Compose;桌面安装包;旧 AI_COMPANY_* 环境变量与 Entry Point 作为兼容别名保留
  • 扣分:未见针对 n8n、Slack、飞书等主流第三方平台的第一方连接器清单,跨生态编排需自建;社区插件无沙箱
  • 竞品对比 1(成熟编排平台):连接器生态更全;DeterminFlow 以确定性语义换连接器广度
  • 竞品对比 2(裸脚本方案):无资产复用与插件分发;DeterminFlow 有版本化安装与更新校验

💡 创新性 1.0/1.0

  • 对 n8n/LangGraph 的反向专精:把「确定性执行语义」当作框架定位而非附加能力——模型只处理需要判断的部分,控制流与数据流交给 Runtime
  • 节点级上下文隔离 + 每节点独立会话与 Token 账本 + Task 定义冻结,构成可审计的成本与执行模型;官方给出 70%–89% token 节省估算
  • 竞品对比 1(单智能体框架):长链执行持续携带越来越长的历史;DeterminFlow 每节点只看局部上下文
  • 竞品对比 2(传统工作流引擎):面向数据管道;DeterminFlow 面向 LLM 场景抽象

评分依据可追溯至公开来源,每项分数均有明确理由和数据支撑。

🏷️ 标签说明

  • AI开发平台: 定位为 AI 工作流的生产级运行时基础设施。来源:仓库自述
  • 开源免费: AGPL-3.0-only 开源。来源:GitHub API
  • 工作流引擎: 本质是带确定性语义的工作流引擎。来源:仓库自述
  • 确定性执行: 核心卖点是校验/恢复/回放的确定性执行语义。来源:仓库自述
  • 生产就绪: 定位面向生产环境稳定交付(dependable service)。来源:仓库自述

📋 来源核实

  • ✅ GitHub API 已验证(2026-10-02): alikon-art/DeterminFlow — Stars 819、Forks 117、创建 2026-08-02、最近推送 2026-09-11、AGPL-3.0、默认分支 main、未归档
  • ✅ README 实读(2026-10-02): 构建/校验/恢复/回放四能力、可视化 Workflow Editor、四类 Core Node、插件仓库与资源广场、token 账本案例
  • ✅ 仓库结构核验(2026-10-02): docs/ 14 篇、应用截图目录存在;13 tags / 13 releases;README.en.md 可访问
  • ⚠️ 未实测: 未实际部署运行;校验/恢复/回放的实际工程体验与「省 70%–89% token」声明未独立复现
  • ⚠️ 注意: AGPL-3.0-only 传染性条款对商业集成的约束需个案评估;社区插件与主进程同权限、无沙箱

⚠️ 局限与未实测声明

  • 本文基于 GitHub API、README 与仓库结构于 2026-10-02 采集;原 2026-08-24 采集的指标(★601 / 🔱87 / 推送 2026-08-19)已被本次读数替换
  • 未实际运行;「面向生产」的成熟度声明属官方自述,未经独立验证
  • 与 n8n/LangGraph 的对比基于定位差异分析,非基准测试
  • 格式修正说明:本条原按 tool 六维度给分(原总分 8.3),2026-10-02 按所属 workflow 类型改回规范五维度;五个维度均由本次核验的一手材料定分,维度和 2.6+1.9+1.7+1.1+1.0 = 8.3,与总分一致,标签 P_优选 不变