AI-Flow 是一个开源、低代码的 AI 应用开发平台，旨在帮助开发者快速构建、部署和管理 AI 驱动的应用程序。 该平台集成了大型语言模型 (LLM)、生成式 AI 以及多种 AI 智能体，用户可以通过直观的可视化界面设计复杂的工作流程和自动化任务，无需深入的编码知识。
项目愿景:
- 简化 AI 开发: 通过可视化拖放界面和预构建模块，大幅降低 AI 应用的开发门槛，让更多开发者能够轻松构建 AI 驱动的解决方案。
- 赋能创新: 集成多样化的 AI 技术，包括文本生成、图像处理、语音识别等，支持开发者探索和创新各种 AI 应用场景。
- 社区驱动: 构建一个活跃的开源社区，鼓励开发者共同贡献代码、模块和创意，促进 AI-Flow 平台的持续发展和创新。
核心功能 (当前及规划中):
- 可视化工作流编辑器: 直观的拖放式界面，用于设计复杂的工作流程，支持条件逻辑、循环处理和并行任务。 (当前为 占位符, UI 和功能开发中)
- AI 模块库: 丰富的开箱即用 AI 模块，包括文本生成、图像分类、语音转文本等，支持用户自定义和扩展模块。 (当前为 框架搭建中, 部分模块示例实现)
- 智能体集成: 支持创建和部署 AI 智能体，执行独立任务，如数据分析、报告生成等。 (计划中)
- 数据处理管道: 内置数据清洗、转换和可视化工具，简化数据准备流程。 (部分工具函数占位符)
- API 与 Webhook 支持: 提供灵活的集成选项，支持与其他服务和应用的无缝连接。 (后端 API 框架已搭建)
- 实时监控与调试: 内置日志和性能监控工具，帮助用户快速排查问题。 (计划中)
- 多语言支持: 界面和文档支持多种语言，吸引全球开发者。 (计划中)
技术栈:
- 前端: TypeScript, React
- 后端: Python, FastAPI
- AI 模型: Hugging Face Transformers, OpenAI API
- 数据库: PostgreSQL
- 缓存: Redis
- 部署: Docker, Kubernetes
快速上手 (Getting Started):
以下是在本地运行 AI-Flow 后端和前端 (可选) 的基本步骤。 请确保您已安装 Docker Desktop (推荐) 或 Node.js, Python, PostgreSQL, Redis 等必要的开发环境。
使用 Docker Compose (推荐，一键启动所有服务):
-
克隆代码仓库:
git clone https://github.com/stevechampion1/ai-flow.git cd ai-flow -
构建并启动 Docker Compose 应用:
docker-compose up --build
等待 Docker Compose 应用启动完成。
-
访问后端 API 文档: 打开浏览器，访问 http://localhost:8000/docs 查看 Swagger UI API 文档。
-
访问前端应用 (如果已容器化): 打开浏览器，访问 http://localhost:3000 (或您配置的前端端口)。
-
停止 Docker Compose 应用:
docker-compose down
不使用 Docker Compose (手动启动服务):
-
克隆代码仓库:
git clone https://github.com/your-github-username/ai-flow.git cd ai-flow -
创建并激活 Python 虚拟环境 (推荐):
python -m venv venv source venv/bin/activate # Linux/macOS venv\Scripts\activate # Windows
-
安装后端依赖:
pip install -r requirements.txt
-
启动 PostgreSQL 数据库服务器 (确保已安装并运行).
-
创建 PostgreSQL 数据库
aiflow_db并运行schema.sql文件创建表结构. -
启动 Redis 缓存服务器 (确保已安装并运行).
-
设置环境变量: 例如
OPENAI_API_KEY,DATABASE_URL,REDIS_URL(具体环境变量请参考docker-compose.yml文件中的 environment 配置)。 -
启动后端 FastAPI 应用:
cd backend uvicorn main:app --reload -
启动前端 React 应用 (可选，如果需要运行前端):
cd frontend npm install npm start -
访问后端 API 文档: 打开浏览器，访问 http://localhost:8000/docs 查看 Swagger UI API 文档。
-
访问前端应用 (如果已启动): 打开浏览器，访问 http://localhost:3000 (或您配置的前端端口)。
路线图 (Roadmap - 规划中的功能):
- Phase 2: 完善可视化工作流编辑器 UI 和基本功能。
- Phase 3: 实现 AI 模块库的基本功能和部分核心 AI 模块集成 (文本生成、图像分类等)。
- Phase 4: 添加智能体集成功能和数据处理管道的初步实现。
- Phase 5: 完善实时监控与调试功能，并开始探索多语言支持。
- 长期目标: 打造一个功能完善、易用、可扩展的低代码 AI 应用开发平台，并持续迭代和改进。
贡献指南 (Contributing):
欢迎任何形式的贡献！ 如果您有任何想法、建议或代码贡献，请随时参与进来！
- 报告 Bug: 如果您在使用过程中发现了 Bug 或问题，请在 GitHub Issues 中提交 Issue，详细描述您遇到的问题和复现步骤。
- 功能建议: 如果您有新的功能建议或改进意见，欢迎在 GitHub Discussions 中发起讨论。
- 代码贡献: 如果您想贡献代码，请 Fork 代码仓库，创建您的 Feature Branch，并提交 Pull Request。 请遵循代码风格指南，并尽量提供完善的测试用例。
详细的贡献指南和代码风格规范将在后续完善。
License:
AI-Flow 项目使用 MIT License 开源许可。 MIT License 是一种非常宽松的开源许可协议，允许您自由使用、修改、复制、发布和分发本项目的代码，包括商业用途。
联系方式 (Contact):
- GitHub Discussions: https://github.com/stevechampion1/ai-flow/discussions