PySpur：零代码构建AI工作流！开源可视化拖拽平台，支持多模态与RAG技术

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦

---

🎧 “开发者福音！PySpur 开源 AI 代理构建工具，拖拽式工作流轻松搞定复杂任务”

大家好，我是蚝油菜花。你是否也遇到过——

• 👉 想快速构建 AI 工作流，却被复杂的代码劝退？
• 👉 需要处理多模态数据，却苦于没有合适的工具？
• 👉 希望快速迭代 AI 模型，却找不到高效的开发环境？

今天要介绍的 PySpur，正是为解决这些问题而生！这款开源的轻量级可视化 AI 智能体工作流构建器，通过拖拽式界面，让你无需编写复杂代码，就能快速构建、测试和迭代 AI 工作流。无论是多模态数据处理、RAG 技术，还是文件上传和结构化输出，PySpur 都能轻松应对。接下来，我们将深入探讨它的核心功能和技术原理，并手把手教你如何快速上手！

🚀 快速阅读

PySpur 是一款开源的轻量级可视化 AI 智能体工作流构建器。

1. 核心功能：支持拖拽式界面、多模态数据处理、RAG 技术、文件上传和结构化输出。
2. 技术原理：基于 Python 开发，支持多种工具集成，提供模块化构建块和节点级调试功能。

PySpur 是什么

PySpur 是一款开源的轻量级可视化 AI 智能体工作流构建器，旨在简化 AI 系统的开发流程。通过拖拽式界面，用户可以快速构建、测试和迭代 AI 工作流，无需编写复杂代码。它支持循环与记忆功能、文件上传、结构化输出、RAG 技术、多模态数据处理（文本、图像、视频等）及与多种工具（如 Slack、Google Sheets）的集成。

PySpur 提供简单的安装和部署方式，适合快速构建智能应用，尤其适合非技术背景的用户和开发者快速上手。无论是智能对话系统开发、自动化任务管理，还是多模态数据分析和文档处理，PySpur 都能提供强大的支持。

PySpur 的主要功能

• 拖拽式构建：提供直观的拖拽界面，用户用简单的拖拽操作快速构建、测试和迭代 AI 工作流，无需编写复杂代码。
• 循环与记忆功能：支持智能体在多次迭代中记住之前的状态，模型从每次反馈中学习和优化。
• 文件上传与处理：用户上传文件或粘贴 URL，支持文档解析、摘要提取等任务，方便处理各种文档数据。
• 结构化输出：提供 JSON Schema 的 UI 编辑器，帮助用户生成结构化的数据输出格式。
• RAG 支持：支持解析、分块、嵌入数据到向量数据库，使得检索和生成模型的调用更高效、更精确，提升数据处理和模型响应的性能。
• 多模态支持：支持处理多种模态的数据，包括文本、图像、音频、视频等。
• 工具集成：支持与多种工具和平台集成，如 Slack、Firecrawl.dev、Google Sheets、GitHub 等，增强工作流的功能，提升系统的整体协调性。

如何运行 PySpur

使用 pyspur Python 包

这是最快速的入门方式，要求 Python 3.12 或更高版本。

1. 安装 PySpur

pip install pyspur

2. 初始化新项目

pyspur init my-project
cd my-project

这将创建一个带有 .env 文件的新目录。

3. 启动服务器

pyspur serve --sqlite

默认情况下，PySpur 应用将在 http://localhost:6080 启动，并使用 SQLite 数据库。建议在 .env 文件中配置 PostgreSQL 实例 URL 以获得更稳定的体验。

4. [可选] 自定义部署

你可以通过以下两种方式自定义 PySpur 部署：

a. 通过应用（推荐）：

• 在应用中的 API Keys 标签页添加各种提供商的 API 密钥（如 OpenAI、Anthropic 等）。
• 更改会立即生效。

b. 手动配置：

• 编辑项目目录中的 .env 文件。
• 建议在 .env 中配置 PostgreSQL 数据库以提高可靠性。
• 使用 pyspur serve 重启应用。如果不使用 PostgreSQL，请添加 --sqlite。

使用 Docker（推荐用于生产环境）

这是生产部署的推荐方式：

1. 安装 Docker

首先，根据操作系统的官方安装指南安装 Docker：

• Docker for Linux：https://docs.docker.com/engine/install/
• Docker Desktop for Mac：https://docs.docker.com/desktop/install/mac-install/

2. 创建 PySpur 项目

安装 Docker 后，使用以下命令创建新的 PySpur 项目：

curl -fsSL https://raw.githubusercontent.com/PySpur-com/pyspur/main/start_pyspur_docker.sh | bash -s pyspur-project

这将：

• 在名为 pyspur-project 的新目录中启动 PySpur 项目。
• 设置必要的配置文件。
• 自动启动由本地 PostgreSQL Docker 实例支持的 PySpur 应用。

3. 访问 PySpur

在浏览器中访问 http://localhost:6080。

4. [可选] 自定义部署

你可以通过以下两种方式自定义 PySpur 部署：

a. 通过应用（推荐）：

• 在应用中的 API Keys 标签页添加各种提供商的 API 密钥（如 OpenAI、Anthropic 等）。
• 更改会立即生效。

b. 手动配置：

• 编辑项目目录中的 .env 文件。
• 使用以下命令重启服务：

docker compose up -d

资源

• 项目主页：https://www.pyspur.dev
• GitHub 仓库：https://github.com/PySpur-Dev/pyspur

---

❤️ 如果你也关注 AI 的发展现状，且对 AI 应用开发感兴趣，我会每日分享大模型与 AI 领域的开源项目和应用，提供运行实例和实用教程，帮助你快速上手AI技术！

🥦 AI 在线答疑 -> 智能检索历史文章和开源项目 -> 尽在微信公众号 -> 搜一搜：蚝油菜花 🥦