PySpur — 可视化 AI 智能体工作流平台
以可视化方式构建、调试和迭代 AI 智能体，速度提升 10 倍，支持人类审批、循环、RAG 和多模态。
- Star 数
- ★ 5.8k
- 最近更新
- 1 年前
- License
- Apache-2.0
- 主语言
- TypeScript
- FA 评分
- 0/100 · 缺口较多
30 秒速览
- 运行形态
- 可在哪里用
- 通用 · 跨平台
- 费用
- 软件免费，模型调用费用自付
- 上手难度
- 低 · 几分钟可跑通
- 开始前需要
- 典型场景
- AI 工程师需要快速迭代提示词，可使用 PySpur 的测试用例功能和逐步调试功能，避免提示词地狱。
- 不适合
- Windows 开发者：官方开发环境不支持 Windows
- 追求开箱即用生产稳定性的团队：默认 SQLite 需换 PostgreSQL
这个 Agent 能做什么，适合哪些场景？
PySpur 是一个开源的可视化平台，用于构建和迭代 AI 智能体工作流。它提供一个 UI，用于定义测试用例、以 Python 代码或拖拽方式构建智能体、逐步调试、评估并一键部署为 API。核心功能包括人类参与循环（Human-in-the-loop）、循环调用、文件上传、结构化输出（JSON Schema 编辑器）、RAG（解析、分块、嵌入、写入向量库）、多模态输入（视频、图像、音频、文本、代码）、多种工具集成（Slack、Firecrawl.dev、Google Sheets、GitHub 等）、自动追踪、评估以及超过 100 家 LLM 提供商、嵌入模型和向量数据库的支持。安装可通过 pip 完成，运行 pyspur init 和 pyspur serve --sqlite 即可在本地启动。该项目采用 Apache-2.0 许可证，基于 Python 构建，主要面向 AI 工程师。
PySpur 允许用户通过 UI 或 Python 代码创建智能体工作流。用户可以定义测试用例，构建由节点组成的图，这些节点可调用 LLM、工具、执行循环、进行 RAG 流程（解析、分块、嵌入、更新），并支持多模态输入（PDF、视频、音频、图像）。工作流可以包含人类审批断点，在继续之前暂停以等待批准。每个节点可单独调试，提供缩放的输出检查。执行后可查看自动捕获的追踪。最终，智能体可通过一键部署以 API 形式发布。工具包括 Slack、Firecrawl.dev、Google Sheets、GitHub 等。所有操作通过 UI 或 pyspur 命令行完成。
- AI 工程师需要快速迭代提示词，可使用 PySpur 的测试用例功能和逐步调试功能，避免提示词地狱。
- 需要人类监督的 QA 工作流（如内容审核）可利用内置的人机循环断点，在关键输出处暂停以等待批准。
- 构建 RAG 应用的开发者可以通过 UI 创建文档集合和向量索引，无需编写集成代码。
- 处理多模态数据的团队（如视频、图像、音频）可利用 PySpur 的输入支持，在单个工作流中处理。
- 需要部署为 API 的智能体可通过一键发布功能，快速将工作流暴露为服务。
- 希望避免供应商锁定的组织可使用 100+ 提供商支持，用同一工作流切换 LLM、嵌入模型和向量数据库。
如何安装或部署这个 Agent？
- 确保已安装 Python 3.11 或更高版本。2. 运行
pip install pyspur。3. 运行pyspur init my-project创建新项目，然后cd my-project。4. 运行pyspur serve --sqlite启动服务器，默认在 http://localhost:6080。可选：在 .env 文件中配置 PostgreSQL 以获得更稳定的体验。
如何使用这个 Agent？
启动后，打开 UI，在 API Keys 选项卡中添加提供商密钥（如 OpenAI、Anthropic）。在 UI 中定义测试用例（Step 1），构建智能体（Step 2），迭代调试（Step 3），最后部署（Step 4）。也可以直接在 Python 中编写节点（新增节点只需创建单个 Python 文件）。
这个 Agent 有哪些优点和局限？
- 可视化界面显著加快智能体迭代速度，提供针对提示词和节点的逐步调试。
- 支持人类批准断点，适用于需要质量保证的工作流。
- 内置 RAG 和多模态处理，无需额外集成。
- 支持超过 100 个 LLM 提供商、嵌入模型和向量数据库，避免供应商锁定。
- Python 基础上手简单，并可通过创建单个 Python 文件扩展节点。
- 需要 Python 3.11+，不适合完全非技术用户。
- 默认 SQLite 可能不如 PostgreSQL 稳定，生产环境需额外配置。
- 开发环境仅支持 Unix 类系统，Windows 开发不受官方支持。
- 文档可能未涵盖所有高级功能，新用户需依赖示例和视频。
这个 Agent 与同类方案有什么区别？
与相关度最高的同类 agent 并排比较关键指标。
| Agent | 源码审查 | 形态 / 费用 | Star | 最近更新 | 主语言 | 完整支持的平台 |
|---|---|---|---|---|---|---|
| PySpur — 可视化 AI 智能体工作流平台 当前 | 0 · 缺口较多 | 命令行工具免费 + 模型费 | ★ 5.8k | 1 年前 | TypeScript | — |
| Genkit：构建全栈 AI 应用的开放框架 | 48 · 缺口较多 | 代码库 / SDK免费 + 模型费 | ★ 6.5k | 3 天前 | TypeScript | OpenAI API · Claude API |
| AgentScope 2.0 | 70 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 33k | 今天 | Python | OpenAI API · Claude API |
| Deuz SDK | 69 · 存在缺口 | 代码库 / SDK免费 + 模型费 | ★ 563 | 2 天前 | TypeScript | OpenAI API · Claude API |
FollowAgents 如何评估这个 Agent？
查看各维度的扣分理由
证据不足：未提供权限管理、用户确认、数据流透明、敏感数据处理、依赖安全、外部影响、回滚或来源归属的具体实现或文档。因此所有标准均得0分。
证据不足：未提供自一致性、依赖可用性或失败消息的具体实现或文档。因此所有标准均得0分。
证据不足：未提供目标受众、能力边界、触发精度或环境适配的具体实现或文档。因此所有标准均得0分。
证据不足：未提供信息架构、安装说明、命名稳定性、示例和FAQ、已知限制、许可证、版本变更日志或维护责任的具体实现或文档。因此所有标准均得0分。
证据不足：未提供输出可用性、边际价值或成本效益的具体实现或文档。因此所有标准均得0分。
证据不足：未提供声明可追溯性、跨来源佐证或事实推断分离的具体实现或文档。因此所有标准均得0分。
- 源码中未见：最小权限约束只授予完成任务所需的权限：用专用账号或只读令牌，并限定可访问的目录和仓库。
- 源码中未见：执行前用户确认开启或自行加上执行前确认；先在沙箱或测试环境跑通，确认行为后再接入真实数据。
- 源码中未见：数据流向说明运行时观察它连接了哪些外部服务（代理或防火墙日志）；弄清数据去向之前不要输入敏感数据。
- 源码中未见：敏感信息处理使用专用、低权限、可随时吊销的 API 密钥，不要复用生产凭据，也不要让密钥出现在日志里。
- 源码中未见：依赖安全审查安装前固定版本并做一次依赖扫描（如 npm audit、pip-audit）；优先放在容器里运行。
- 源码中未见：外部影响披露先弄清它会写入、发送或修改哪些外部系统，用测试账号或测试仓库验证后再接入正式环境。
- 源码中未见：回滚或恢复路径运行前先备份，或在 git 分支、快照上操作，确保改动可以撤销。
- 源码中未见：来源归属可核验从官方仓库或包源安装，核对发布者和仓库地址，避免同名仿冒包。
- 该仓库仅提供了README和许可证文件，未包含任何源代码或详细文档，无法进行有效的静态评估。
- 发布者身份未经验证，且未提供任何可追溯的声明或证据。
最近版本
来自该项目 GitHub Releases 的最新发布记录，说明为上游原文摘录，未经本站改写或测试。
-
发布说明摘录
What's Changed * chore: add anon telemetry by @srijanpatel in https://github.com/PySpur-Dev/pyspur/pull/268 * v0.1.18 by @srijanpatel in https://github.com/PySpur-Dev/pyspur/pull/269 Full Changelog: https://github.com/PySpur-Dev/pyspur/compare/v0.1.17...v0.1.18在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * fix: switch from alpine to slim variant for Node.js in Dockerfiles by @srijanpatel in https://github.com/PySpur-Dev/pyspur/pull/261 * fix: update Dockerfile to install pip packages without --system flag by @srijanpatel in https://github.com/PySpur-Dev/pyspur/pull/263 * Docs/custom tools by @srijanpatel in https://github.com/PySpur-Dev/pyspur/pull/264 * Fix/ollama models by @srijanpatel in https://github.com/PySpur-Dev/pyspur/pull/266 * v0.1.17 by @srijanpatel in https://github.com/PySpur-Dev/pyspur/pull/267 …在 GitHub 查看 ↗ -
发布说明摘录
What's Changed * chore(deps): bump next from 15.1.5 to 15.2.3 in /frontend by @dependabot in https://github.com/PySpur-Dev/pyspur/pull/257 * feat: add o1-pro by @JeanKaddour in https://github.com/PySpur-Dev/pyspur/pull/258 * feat: publish multiplatform images by @srijanpatel in https://github.com/PySpur-Dev/pyspur/pull/260 Full Changelog: https://github.com/PySpur-Dev/pyspur/compare/v0.1.15...v0.1.16在 GitHub 查看 ↗