VectorVein
无需编程的 AI 工作流软件：拖拽节点即可搭建自动化流程，结合大模型与个人知识库完成日常任务。
证据显示该项目通过本地 FastAPI 服务（默认 localhost:8787）暴露工作流执行接口，支持把用户内容发给可配置的 LLM 端点（含屏幕截图随语音对话上传的选项），但未见权限最小化设计、敏感数据加密说明或执行前的确认机制；未发现恶意代码或隐蔽外传，故不给最低分。依赖安全方面有 Dependabot 自动合并工作流并跳过 major 更新、要求前端质量检查通过，处理较认真，但自动合并本身仍有风险，扣至 2。回滚仅见数据库备份提醒，无整体回滚方案。
README 与代码结构（backend/frontend、pdm、migrations）自洽，版本号与 tag 校验、fail-fast 设计显示一定一致性；提供了 test/lint/typecheck 命令和测试文件（条件分支、嵌入设置迁移），说明基本自洽性。但错误消息、失败提示在源文件中未见充分展示，仅 README 提到 webview2 打不开的排查，故 failure_messages 得 1。依赖通过 PDM/pnpm lockfile 固定，可得 2。
README 明确面向无代码用户的日常自动化场景（翻译、思维导图、客户投诉分类等），受众与场景描述清楚；环境要求（Python 3.8–3.11、webview2、Windows/macOS/Linux 打包）写明，环境适配得 2。但对能力边界（如哪些任务不适合、LLM 输出不可靠的处理）没有说明，扣分。
信息架构良好（安装、配置、使用、开发分节，含多语言 README、教程链接）；安装说明具体（Release 下载、解锁 zip、webview2 运行时、.env 配置）；示例与 FAQ 通过模板、教程和在线文档覆盖；版本管理有 tag 校验与自动发布工作流。但 LICENSE 为自定义非标许可证（限制商业/军事用途、要求同许可证衍生、中国法律管辖），GitHub 元数据为 NOASSERTION，企业采用有法律不确定性，license 仅得 1；已知局限章节缺失；维护责任仅体现为一位未验证发布者与联系邮箱，无治理说明。
输出可用性体现在工作流运行记录、用户/编辑器双界面、可生成 Word/Excel/思维导图等产出；边际价值在于无代码 + 本地知识库 + 本地 LLM（Ollama/LM-Studio）组合，相对 langflow 有自身定位；但成本效益未讨论（API 成本、token 消耗、本地资源需求均无说明），得 1。
README 声称的功能（API 端点、嵌入后端迁移）有对应测试文件部分佐证（test_embedding_settings.py 验证设置迁移与客户端映射，test_conditional_branching.py 验证条件分支），但测试覆盖面窄，无法追溯多数声明；仅静态审查，无执行验证，跨来源（文档/代码/测试）只能部分互相印证；事实与推断基本可分，但 README 中多处断言（如质量检查、自动构建）无法在给定文件中核实。
- 许可证为自定义非标准许可（禁止商业用途、要求衍生作品同许可、受中国法律管辖），GitHub 标记 NOASSERTION，企业商用前需法务评估。
- 本地 API 服务默认随程序启动并可直接运行工作流，未提及鉴权措施，同一机器上的其他进程可能调用；部署时应确认端口暴露范围。
- 语音对话可自动截取并上传屏幕截图，属于敏感数据外发路径，启用前需确认内容去向。
- 依赖自动合并工作流存在供应链风险，建议对次要版本更新也保留人工复核。
- 修改数据库结构前请按 README 提示备份数据库，否则可能丢失数据。
- 发布者为未经核实的个人/团队，无治理或长期维护承诺的证据。
这个 Agent 能做什么，适合哪些场景？
VectorVein（GitHub: AndersonBY/vector-vein）是一款受 LangChain 和 langflow 启发的无代码 AI 工作流软件。它基于 Python 后端（pywebview）和 Vue3 + Vite 前端，以桌面应用形式分发，用户通过拖拽节点并连线的方式在工作流编辑器中设计流程，再在用户界面中输入、触发并查看输出。软件支持 OpenAI 兼容的 API 端点，可接入 LM-Studio、Ollama、vLLM 等本地服务，也可配置远程大模型和自定义模型。自 v0.4.0 起内置本地 FastAPI 服务（默认端口 8787），可编程化地列出和执行工作流。工作流可读取 Word 文档、网页 URL、表格等输入，产出译文文档、思维导图、分类结果 Excel 等输出，并支持向量嵌入搜索与语音对话 Agent。
VectorVein 让用户在可视化编辑器中把输入、处理和输出节点连线组成工作流。运行时它调用所配置的大语言模型（OpenAI 兼容端点、远程模型或自定义模型），可执行翻译 Word 文档、将网页文章总结为中文思维导图、自动分类客户投诉并生成 Excel 等任务。它通过 vv-llm 的 embedding_backends 方案配置嵌入模型以进行向量搜索，支持 OpenAI 兼容路径的语音识别（如 Groq），并允许设置快捷键直接发起语音对话（可选附带屏幕截图）。自 v0.4.0 起，程序启动时自动运行本地 FastAPI 服务，提供 GET /api/workflow/list、POST /api/workflow/run、POST /api/workflow/check-status 等端点，可传入 workflow id 和 input_fields 参数化执行工作流；交互式 API 文档位于 http://localhost:8787/docs。官方模板和在线教程可用于快速上手。
- 经常需要翻译英文 Word 文档的办公人员：搭建翻译工作流，输入英文文档，输出对应译文文档。
- 需要快速消化英文资料的研究者：使用网页文章摘要工作流，输入文章 URL，自动生成中文思维导图。
- 客服团队负责人：上传包含投诉内容的表格，设定分类关键词，自动分类并导出结果 Excel。
- 希望在本地私有环境下使用大模型的用户：通过 OpenAI 兼容接口接入 LM-Studio、Ollama 或 vLLM，数据不出本机。
- 需要将 AI 流程集成进其他系统的开发者：调用本地 8787 端口的 REST API 以编程方式运行工作流并轮询状态。
- 偏好语音交互的用户：配置语音识别服务和快捷键，一键发起与 Agent 的语音对话。
这个 Agent 有哪些优点和局限？
- 真正的无代码体验：拖拽节点连线即可构建工作流，并提供官方模板和在线教程降低上手门槛。
- 模型接入灵活：v0.2.10 起将 API 端点与大模型配置分离，同一模型可配置多个端点，支持 OpenAI 兼容接口连接 LM-Studio、Ollama、vLLM 等本地服务，可完全本地化运行。
- 提供本地 REST API（默认 8787 端口、OpenAPI 文档），便于把工作流集成到其他应用和自动化工具中。
- 覆盖多模态场景：除文本工作流外还支持向量嵌入搜索、语音识别与语音对话快捷键、本地 Stable Diffusion 图像生成接入。
- 许可证为 NOASSERTION，README 明确仅支持个人非商业使用，商业采用前需自行查看 LICENSE.md 确认条款。
- 依赖 pywebview/webview2 内核，Windows 用户需额外安装 webview2 运行时，且解压包若被锁定会导致程序无法打开。
- 桌面应用形态，主要面向个人本地使用；仓库未提供云部署或多用户协作方案的说明。
- 语音识别与嵌入等能力依赖 OpenAI 兼容路径的外部服务，本地部署这些服务需要额外配置。
如何安装或部署这个 Agent？
1) 从 GitHub Releases（https://github.com/AndersonBY/vector-vein/releases/）下载压缩包并解压；若无法打开，右键 zip 选择“解除锁定”。2) 程序基于 pywebview/webview2 内核，Windows 上需安装 webview2 运行时（https://developer.microsoft.com/en-us/microsoft-edge/webview2/）。3) 首次运行会在安装目录创建 data 文件夹存放数据库与静态资源。4) 打开软件后在设置中配置至少一个可用的大语言模型 API 端点（OpenAI 兼容接口，如 OpenAI 官方 API 或本地 LM-Studio http://localhost:1234/v1/、Ollama http://localhost:11434/v1/）。源码开发部署：后端需 Python 3.8–3.11 和 PDM，在 backend 目录运行 pdm install（Mac 为 pdm install -G mac）、pdm run dev；前端需 pnpm install，并用 backend 目录的 pdm run build-front 打包前端资源；打包可执行文件用 pdm run build。无需额外编程即可使用。
如何使用这个 Agent？
打开软件后，建议先添加官方模板熟悉工作流用法，也可跟随在线交互式教程（https://vectorvein.ai/workspace/workflow/editor/tutorial）。在编辑器界面中为工作流命名、打标签，从左侧节点列表拖拽节点到画布并用连线组成流程；日常使用只需切换到用户界面，在输入区填写内容，点击运行按钮查看输出，并可在“工作流运行记录”中查看执行历史。需要程序化调用时，通过本地 API 执行：requests.post('http://localhost:8787/api/workflow/run', ={'wid': 'your-workflow-id', 'input_fields': [{'node_id': 'node1', 'field_name': 'input', 'value': 'Hello World'}], 'wait_for_completion': True})，用 POST /api/workflow/check-status 查询状态，完整文档见 http://localhost:8787/docs。使用向量搜索时需在 Embedding models 设置中配置嵌入后端；使用本地 Stable Diffusion API 时需在 webui-user.bat 中设置 set COMMANDLINE_ARGS=--api。