耗时1年，终于我也拥有属于自己的AI工作流

这篇文章其实蓄谋已久，只是一直没有时间撰写；今天终于可以将我这一年来学习AI相关的知识简单分享给大家。

#1. 缘起

去年AI 爆火，Agent开发框架 如雨后春笋般曝出；langchain + langgraph 由于对Python + TS 版本支持的较好，在社区已然点赞颇高。

langgraph 可以 基于 图的方式对Agent进行编排；此时我萌生出了 为什么 不能通过 可视化编排的方式将大模型 和 传统的工作流结合起来 的想法。

于是抽周末的时间，搭建了一个「AI 工作流」，支持在线编辑/调试/预览 工作工作流

工作流

效果预览

#2. 一个人的初心

看到这里很多朋友肯定会问，coze 和 dify 不就是做这个事情的吗？没错，coze 和 dify 从现在的角度确实比我更快的提供出来；coze 在前2个月 开源了 coze-studio，dify 在 24年初开源Agent,25年7月支持 MCP；而我产生AI工作流的想法其实早已萌生，只是一个在上班后的业余项目，进度总归是慢了一点。

看了上面预览图的同学肯定怀疑：你不会是copy的coze 开源项目吧？我可以很正式的回答：没有使用coze的一行代码

coze产品和我之前的想法是那么的契合，以至于 我都在怀疑自己，为什么不直接跳槽过去； coze 是字节大量优秀的开发人员智慧的结晶；而我的项目是一个人奋斗1年的结果，可能也只是coze 产品模型内的一小块（PS: 蚍蜉撼大树）。

但我想说的是 《虽迟但到》。已经不记得多少个10点多下班后的日夜，一个人猫在书房 琢磨着这个项目；我的想法很简单：做一个简单易用的工作流，支持各类扩展，帮助自己快速生成API/AI图片等。

#3. 取名Agentflow

#3.1 技术架构

技术侧核心分为2块

1. 前端：基于 Next.js + Antd + xyflow 实现 工作流的可视化编辑/调试/预览；以及权限管理/用户管理/工作流管理等功能；
2. 后端：基于 LangChain + LangGraph + Redis + Mysql + Prisma + Docker 实现 流程的执行及大模型的调用等；

#3.2 支持能力

1. 支持完全的 私有化部署: 整个项目基于 Docker + Docker-compose 进行部署，支持完全的私有化部署；只需修改自己的 API Key即可 快速接入 openai/gemini/deepseek等大模型；
2. 面向不同人群的快速使用
   • 针对普通用户： 可以基于现有的模板快速生成工作流并预览效果；
   • 针对专业使用者： 完全支持自定义工作流: 支持自定义节点/边/属性等
3. 可视化编排流程: 支持DeepSeek+gpt4/5+gemimi模型支持，MCP Servers 支持
4. 工作流在线Debug
5. 工作流管理：支持工作流的创建/编辑/删除/预览/导出等功能
6. 工作流效果预览

#3.2 使用流程

使用流程非常简单，只需以下2个步骤即可

1. 编写或者使用已有的工作流
2. 点击运行按钮，即可预览工作流效果

#3.3 我要体验

• 项目首页：flow.agentdev.net
• 优秀案例：flow.agentdev.net/pages/share
• 工作流介绍: flow.agentdev.net/pages/intro…