Heym
在自有基础设施上可视化构建、运行并审查 AI 工作流。
这个 Agent 能做什么，适合哪些场景？
Heym 是一个自托管的 AI 原生工作流自动化平台，前端采用 Vue 3、TypeScript、Vite、Bun 和 Vue Flow，后端采用 Python、FastAPI、SQLAlchemy 与 PostgreSQL。用户可在拖放画布中连接 LLM、AI Agent、RAG、HTTP、消息队列、Playwright 和逻辑节点，图中独立节点会并行执行。工作流可从画布运行，也可通过 REST 执行端点、SSE 流、MCP 服务或 `/chat/{slug}` Portal 调用。平台提供执行历史、LLM trace、评测、日志、成本统计与 OpenTelemetry 导出，用于检查实际运行过程。部署边界是用户自己的 Docker 和数据库环境；README 还说明技能和 Codex 工作区通过受隔离的 sibling container 运行。
在画布上接收 Input（Webhook）、Cron 或 RabbitMQ Receive 等触发输入，按连线执行 LLM、AI Agent、Qdrant RAG、HTTP、Slack、Redis、RabbitMQ、Grist、Drive、Crawler 与 Playwright 节点，并通过 Merge、Condition、Switch、Loop 和 Error Handler 控制流程。AI Agent 节点可调用工具、画布节点工具、沙箱化 Python 工具、MCP 连接和技能；技能由 SKILL.md 与可选 Python 文件组成。工作流可经 /execute 或 /execute/stream 调用，也可作为 /api/mcp/sse 上的 MCP 工具或 /chat/{slug} 上带流式响应和文件上传的聊天界面发布。系统保存运行历史、节点调试日志、请求与响应、工具调用、token 与美元成本，并可将工作流、节点和 Agent 工具 span 经 OTLP/HTTP 导出。
- 运营团队需要把 webhook 输入、HTTP 调用、Slack 通知和 Redis/RabbitMQ 消息处理编排为一个可视化、可自托管的流程。
- AI 产品团队需要用 RAG 节点检索托管向量库中的 PDF、Markdown、CSV 或 JSON，再将结果送入 LLM 或 Agent。
- 需要人工审批的业务团队可让 Agent 在执行中暂停，收集批准、澄清或输入后继续。
- 内部工具团队需要把既有工作流发布为 `/chat/{slug}` 聊天入口，提供流式回复、上传文件和可选认证。
- 使用 Claude Desktop、Cursor 或其他 MCP 客户端的团队可将已完成工作流暴露为 MCP 工具。
- 需要自动化网页操作的团队可用 Playwright 节点执行浏览器步骤，并使用 Auto Heal 处理失效选择器。
这个 Agent 有哪些优点和局限？
- 同一工作流可通过画布、REST、SSE、MCP 和 Portal 聊天界面交付，无需为每种入口重建逻辑。
- 工作流 DAG 会让独立节点并行运行，并以 Merge 节点同步分支。
- 内置运行历史、LLM trace、评测、token/美元成本和 OpenTelemetry span 导出，覆盖开发与生产检查。
- Agent 节点将工具调用、沙箱化 Python、MCP、技能和可选持久记忆图组合在一个画布节点中。
- 运行需要 Docker、PostgreSQL、Python、Bun 和 UV；部署与运维并非纯托管式体验。
- README 指出 Docker socket 挂载会授予广泛的主机控制能力；MCP stdio 服务器依赖 Docker daemon，缺失时会失败关闭。
- 每次运行的沙箱隔离要求 Docker Engine 25.0+，并且技能与 Codex 节点依赖共享的 `heym-codex-workspaces` 卷。
- 许可信息存在需核实之处：仓库元数据标为 `NOASSERTION`，README 则称 MIT 附 Commons Clause，并限制销售或作为付费服务提供。
如何安装或部署这个 Agent？
前提条件为 Docker、Python 3.11+、Bun 1.0+ 和 UV。克隆并启动：git clone https://github.com/heymrun/heym.git && cd heym && ./run.sh
启动后在浏览器打开端口 4017。使用配置文件时执行 cp .env.example .env 后运行 ./run.sh；该脚本会生成 SECRET_KEY 和 ENCRYPTION_KEY。生产 Docker 部署可执行 cp .env.example .env、./deploy.sh。
如何使用这个 Agent？
打开 4017 的编辑器，在画布中添加 Input、LLM 或 AI Agent 与 Output 节点并连接它们，然后从画布执行工作流。要由外部服务调用同一流程，可使用文档列出的 /execute 或 /execute/stream 端点；要供 MCP 客户端调用，可暴露为 /api/mcp/sse；要生成聊天入口，则发布到 /chat/{slug}。Agent 需要外部能力时，在节点中配置 MCP 连接或上传/创建包含 SKILL.md 的技能。
这个 Agent 与同类方案有什么区别？
README 将 Heym 与 n8n、Zapier 和 Make.com 对比，重点列出其 LLM Batch API 状态分支、Agent 持久记忆图、工作流分析器、工作流驱动仪表盘、内置 Agentic Kanban、技能系统、Playwright Auto Heal、原生 OpenTelemetry 和按美元计的模型成本追踪。该比较是仓库自身的功能主张；实际迁移前应分别验证所需集成和许可条件。