LuckyFlow:用Vue3实现的一款AI可视化工作流编辑器

LuckyFlow:用Vue3实现的一款AI可视化工作流编辑器

上期和大家分享我精心打磨的CRM系统——NO-CRM:

图片

耗时一周,我把可视化+零代码+AI融入到了CRM系统,使用体验超酷!https://blog.ZEEKLOG.net/KlausLily/article/details/155347026

收到了很多粉丝的反馈,最近有粉丝反馈能不能出一个Vue版工作流设计的实战项目:

图片

我调研了一下市面上的工作流开源或者商业方案,发现大部分都是 React 写的,所以我觉得确实可以出一期实战内容,设计一款基于 Vue3 版本的工作流引擎,让大家更好的开发AI工作流项目。

 下面就是我实现的 Vue3 工作流的演示效果:

图片

LuckyFlow 是一款基于 Vue 3 + TDesign 开发的可视化 AI 工作流设计器,支持拖拽式节点编排、多种 AI 模型集成、变量管理等功能。项目采用组件化架构设计,可打包为 SDK 集成到不同框架的系统中使用。

当前项目的实现我借鉴了我之前设计的React版工作流引擎 Flwomix/Flow。所以实现起来还算顺利,大概花了2天时间,就实现了Vue3版的工作流设计器。

✨ 核心功能

1. 可视化画布

图片
  • 基于 VueFlow 的流程图编辑器
  • 支持节点拖拽、缩放、平移
  • 自动连线与连线删除
  • 网格背景与缩放控件

2. 丰富的节点类型

  • 开始/结束节点流程控制
  • 大模型节点调用 LLM 生成内容,支持温度、Token 等参数配置
  • 知识库节点向量检索,支持相似度阈值配置
  • 提示词模板可复用的提示词管理
  • HTTP 请求节点调用外部 API
  • 代码执行节点JavaScript/Python/TypeScript 代码运行
  • 数据转换节点JSON 数据映射转换
  • 延迟节点流程延迟控制
  • 条件分支节点条件判断与分支
  • 循环节点数组遍历与并发控制

3. 全局变量管理

图片
  • 输入变量、过程变量、输出变量分类
  • 支持 string/number/boolean/array/object 类型
  • 变量引用插入({{varName}} 语法)

整体架构设计

┌─────────────────────────────────────────────────────────────┐ │                      应用集成层                               │ │  (React App / Vue App / Vanilla JS / Other Frameworks)      │ └─────────────────────────────────────────────────────────────┘                             ↓ ┌─────────────────────────────────────────────────────────────┐ │                    LuckyFlow SDK API                         │ │  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐       │ │  │ 完整应用模式  │  │  组件模式     │  │  引擎模式     │        │ │  │ LuckyFlowApp │  │ Components   │  │ Core Engine  │      │ │  └──────────────┘  └──────────────┘  └──────────────┘      │ └─────────────────────────────────────────────────────────────┘                             ↓ ┌─────────────────────────────────────────────────────────────┐ │                      UI 组件层                               │ │  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐      │ │  │ NodePalette  │  │WorkflowCanvas│  │ConfigPanel   │      │ │  ├──────────────┤  ├──────────────┤  ├──────────────┤      │ │  │WorkflowNode  │  │VariablePanel │  │  其他组件     │      │ │  └──────────────┘  └──────────────┘  └──────────────┘      │ └─────────────────────────────────────────────────────────────┘                             ↓ ┌─────────────────────────────────────────────────────────────┐ │                      核心层 (Core)                           │ │  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐       │ │  │ 类型定义      │  │ 工作流引擎    │  │ 模型适配器    │        │ │  │ types.ts     │  │ engine.ts    │  │ adapters/    │      │ │  └──────────────┘  └──────────────┘  └──────────────┘      │ └─────────────────────────────────────────────────────────────┘                             ↓ ┌─────────────────────────────────────────────────────────────┐ │                    第三方依赖层                               │ │        VueFlow  │  TDesign  │  Vue 3  │  其他依赖            │ └─────────────────────────────────────────────────────────────┘ 

设计原则

  1. 分层解耦Core 层不依赖 UI 层,可独立使用
  2. 类型安全完整的 TypeScript 类型定义
  3. 可扩展插件化节点、模型提供商架构
  4. 框架无关Core 层可用于任何框架
  5. 渐进增强支持三种集成模式,满足不同场景

所以对应的目录结构我也是按照架构设计来组织的,大家可以参考一下:

luckyflow/

整个设计器实现了从节点定义,到节点拖拽,到节点的属性配置的全流程,大家可以基于这套方案开发公司内部的AI工作流产品。

下面是节点选中编辑的效果:

图片

不同的节点能配置不同的属性。

🛠️ 技术栈

技术

版本

用途

Vue

3.x

前端框架

TypeScript

5.x

类型系统

TDesign Vue Next

1.x

UI 组件库

VueFlow

1.x

流程图编辑器

Vite

5.x

构建工具

大家可以基于我列出的技术栈,自行实现.

设计它的初衷主要是目前市面上的工作流方案比较臃肿,可定制的空间比较少,二开成本较低,我设计的这套方案比较轻量,适合从零搭建AI工作流的团队,可以基于自身业务快速扩展和迭代,并且能轻松集成到内部系统。

图片

当然本项目主要用于大家研究学习和参考,如果要做到商业化级别,大家还需要进行二次开发和产品化。

Read more

国内12款AI智能体(“龙虾”)深度对比:哪款是你的菜?

最近,“AI智能体”(行业内爱称“龙虾”)的概念火得一塌糊涂。从百度的DuClaw到腾讯的QClaw,从9.9元的入门级到199元的全能王,各种产品层出不穷,让人眼花缭乱。 为了帮你快速找到最适合自己的那一款,我们整理了目前市面上最值得关注的12款AI智能体,从价格、功能、生态、适用场景四个维度进行了深度剖析。 一、入门尝鲜组:低门槛体验AI自动化 如果你只是想零成本、零门槛体验一下AI智能体到底能干什么,以下两款值得关注: 1. 百度 DuClaw(9.9元/月) * 一句话卖点:零部署门槛,订阅即用。 * 深度解读:百度将自家搜索能力、文心一言模型能力预置其中,你只需要订阅,就能像使用App一样获得一个会帮你自动操作浏览器、整理资料的智能助手。9.9元的价格几乎是“白菜价”,非常适合AI小白入门。 2. 猎豹 EasyClaw * 一句话卖点:安装率最高,技能商店丰富。 * 深度解读:猎豹移动CEO傅盛曾提出“三万小时”

NVIDIA AI Enterprise (NVAIE) 运维实战:面向医疗行业的深度培训路径分析

NVIDIA AI Enterprise (NVAIE) 运维实战:面向医疗行业的深度培训路径分析

摘要 随着人工智能技术在医疗行业的渗透,从医学影像分析到临床决策支持,AI 工作负载已成为现代医疗机构提升诊疗效率与质量的核心驱动力。然而,将这些高价值的 AI 模型从实验室安全、高效、合规地部署到生产环境,并确保其长期稳定运行,是一项复杂的系统工程。NVIDIA AI Enterprise (NVAIE) 作为一套端到端的企业级 AI 平台,为此提供了标准化的解决方案。本论文旨在系统性地阐述 NVAIE 的运维体系,特别是针对医疗行业的特殊需求,构建一套从基础理论到实战应用的完整培训课程。论文将详细剖析 NVAIE 的核心组件、部署策略、日常运营、性能优化、安全合规等关键环节,并提供一套循序渐进的学习路径和实践指南,帮助医疗机构和技术团队构建一套稳定、高效、可信赖的 AI 基础设施,从而加速 AI 技术在临床一线的价值转化。 第一章:绪论 — 为何 NVAIE 运维是医疗 AI 成功的基石 1.

Agent实习模拟面试之Dify + Skill本地部署大模型智能体:从零构建企业级可落地的AI Agent系统

Agent实习模拟面试之Dify + Skill本地部署大模型智能体:从零构建企业级可落地的AI Agent系统 摘要:本文以一场高度仿真的Agent实习生岗位模拟面试为载体,聚焦当前热门的低代码Agent开发平台 Dify 与 自定义Skill(技能)机制,深入探讨如何在完全本地化环境中部署一个安全、可控、可扩展的大模型智能体(Agent)。通过“面试官提问—候选人回答—连环追问”的对话形式,系统性地拆解了Dify的核心架构、Skill插件开发、本地大模型集成(如Llama-3、Qwen)、RAG优化、权限控制、监控告警等关键环节,并结合企业实际场景(如内部知识问答、自动化办公)给出完整落地路径。全文超过9500字,适合对AI Agent开发、私有化部署、企业智能化转型感兴趣的工程师、架构师与在校学生阅读。 引言:为什么企业需要“本地部署的Dify + 自定义Skill”? 在2024–2026年的大模型应用浪潮中,一个显著趋势是:企业不再满足于调用公有云API,而是强烈要求数据不出域、模型可审计、能力可定制的私有化Agent解决方案。

告别截图!Antigravity 集成 Figma MCP 打造像素级还原的 AI 编程体验

告别截图!Antigravity 集成 Figma MCP 打造像素级还原的 AI 编程体验

🚀 告别截图!Antigravity 集成 Figma MCP 打造像素级还原的 AI 编程体验 作为开发者,你是不是经常截图发给 AI 让它写 CSS,结果写出来的效果总是“差强人意”?👀 间距不对、颜色有色差、字体搞错…… 今天我们要玩点高端的!利用 MCP (Model Context Protocol) 协议,将 Figma 的底层设计数据直接“喂”给 Antigravity。让 AI 不再是“看图说话”,而是直接读取设计原稿!🎨➡️💻 🌟 什么是 Figma Context MCP? 这是一个由 Framelink 开发的 MCP 服务。它能让你的 AI 编辑器(如 Antigravity,