- 综合排序
- 最热优先
- 最新优先
- 来自专栏灵墨AI探索室
借助AI助手分析LlamaIndex的工作流可视化
引言 接续上次的讨论，我们上次主要分析了LlamaIndex工作流的核心流程，当前还剩下一行代码需要关注，那就是关于工作流的可视化。 今天我们的目标是深入理解这一可视化部分的主要流程，并且对其大体的实现方式进行简要的了解和探讨。 为了更好地理解这一点，我们可以借助AI助手来帮助我们深入了解相关的细节和原理。 可视化 底层逻辑 我们直接向AI助手询问这段代码的整体逻辑。 Java图可视化 我们对现有的方案并不十分了解，因此不妨直接向AI助手咨询，寻求其帮助来生成一些可能的解决方案。 经过实际测试后，我发现问题的根源在于，Maven的依赖库中根本就没有这个依赖。 总结 在本文的最后，我们总结了LlamaIndex工作流的可视化部分的实现和细节，重点分析了如何利用Python中的pyvis库和Java中的图形库，分别在两种语言中构建和展示网络图。
46420编辑于 2024-12-02 - 来自专栏AI智能体从入门到实践
构建AI智能体：LangGraph + Gradio：构建可视化AI工作流的趣味指南
今天，我想分享我们如何用LangGraph和Gradio构建一个可视化、可配置的AI工作流系统，让非技术用户也能轻松组合各种AI能力。 的智能工作流示例，旨在展示如何通过AI技术实现用户反馈处理的自动化、智能化和标准化。 流程节点：【文本预处理】-> 【关键词提取】-> 【摘要生成四、示例详细说明核心主题：基于 LangGraph 和 Qwen 大模型的可视化智能工作流系统主要功能：通过模块化的工作流节点处理文本，提供情感分析 ") gr.Markdown("使用通义千问大模型和可视化工作流处理文本") # ==================== 工作流执行标签页 ======== 工作流程图5.
58721编辑于 2025-12-18 - 来自专栏DeepHub IMBA
Daggr：介于 Gradio 和 ComfyUI 之间的 AI 工作流可视化方案
Daggr 是一个代码优先的 Python 库，可将 AI 工作流转换为可视化图，支持对 Gradio 管道进行检查、重跑和调试。 单模型、单 prompt 的简单 demo 通常不会有什么问题。 这种场景在 AI 应用开发中极为常见。 Daggr 正是为解决这类问题而设计的。 它不是要取代 Python，也不是强推拖拽式编辑器，而是填补一个长期存在的空白：用代码定义工作流，用可视化图审视系统状态。 Daggr 概述 Daggr 是一个用于构建 AI 工作流的开源 Python 库。工作流通过代码定义，使用标准 Python 语法，无需 DSL 或 YAML 配置。 而Daggr 的定位是中间地带：工作流复杂度足以需要可视化检查和调试，但尚未达到需要正式编排系统的程度；开发者仍处于探索、调整和迭代的阶段。 这是 Daggr 最能发挥价值的场景。
16410编辑于 2026-02-27 - 来自专栏AI技术应用
AI工作流程开发框架
AI工作流程开发框架是用于构建、部署和管理人工智能（AI）应用程序的软件工具和技术的集合。它们提供了一组预先构建的组件、API和工具，简化了AI工作流程的开发过程。 支持DAG（有向无环图）和条件逻辑 适用于：在Kubernetes上运行和管理容器化工作流程5.Prefect特点： 用于构建和管理数据工作流程 提供丰富的API和UI 支持各种任务类型 适用于：构建复杂的数据工作流程如何选择 AI工作流程开发框架？ 选择AI工作流程开发框架时，需要考虑以下因素：项目需求：确定AI工作流程的复杂程度、运行环境、依赖关系等。技术栈：选择与现有技术栈兼容的框架，降低开发成本。 总结AI工作流程开发框架是构建AI应用的重要工具，选择合适的框架可以提高开发效率、降低开发成本。希望以上信息能帮助您更好地了解AI工作流程开发框架。
34910编辑于 2025-02-19 - 来自专栏量子位
AI产品开发指南：5大核心环节搞定机器学习工作流
于是，国外的问答网站Quora上就有了这个问题： 怎样开发出一个AI系统或者产品？ 量子位觉得，有一个来自Sean McClure的回答很不错。 要构建一个AI系统或产品，你要处理好5个核心环节，我们通常称之为“机器学习工作流”。这些步骤分别是： 1. 数据收集与分析 2. 数据准备 3. 模型构建 4. 模型验证与测试 5. 构建一个有用的产品，就意味着你不仅要写代码做出工作流的各个部分，还需要定义整个问题，并将专业知识融入到这个机器学习工作流的每个步骤中。 5. 模型部署 这是让整个工作流运行起来并提供前端服务的最后一步。 在按下“运行”后，就能有新数据输入、准备、建模和验证，并重新部署到前端界面，这样子说明模型部署成功。 以上这些看上去工作量很大，但从这个流程中，你可学习到如何快速构建AI系统。 构建产品时，你要学会精益（Lean）和敏捷（Agile）。你不能只专注于提高某个环节，而忽视产品的其他方面。
1.3K50发布于 2018-03-23 - 来自专栏HUC思梦的java专栏
Activiti5工作流笔记四
ctiviti5工作流笔记四 排他网关（ExclusiveGateWay） 流程图 image.png 部署流程定义+启动流程实例 image.png 查询我的个人任务 image.png
32720发布于 2020-09-03 - 来自专栏HUC思梦的java专栏
Activiti5工作流笔记一
介绍工作流 网上工作流的定义一大堆，这里就不去复制了，通俗的理解，工作流就是类似OA系统中请假审批、报销审批等一系列流程，下级提交的申请只有直系领导才能审批，其他人是没有权限的，而只有直系领导审批通过后 而Activiti工作流就可以实现类似的功能，本笔记将以最简单的方式让你明白怎么使用Activiti工作流，直接上代码 准备环境 1) JDK1.6或者更高版本 2) 支持的数据库有：h2, mysql 5) 点击复选框 在Detail部分记得选中 "Contact all updates sites.." , 因为它会检查所有当前安装所需要的插件并可以被Eclipse下载. 6) 安装完以后，点击新建工程 准备Activiti5开发环境 在activiti-5.13->wars目录下是一些示例项目，解压activiti-rest项目，导入activiti-rest目录中WEB-INF\lib下所有包。 System.out.println(historicActivityInstance.getActivityName()); } } } Activiti5工作流笔记二
99220发布于 2020-09-03 - 来自专栏HUC思梦的java专栏
Activiti5工作流笔记三
之前的流程图都是错的，只是为了演示如何快速使用，下面通过连线学习如何画一个正确的流程图
54120发布于 2020-09-03 - 来自专栏全栈程序员必看
.net mvc5_mvc工作流程
WebgridSample.cshtml: @{ var grid = new WebGrid(Model, canPage: true, rowsPerPage: 5, selectionFieldName C1D4E6; font-weight: bold; color: #FFF; } .webGrid th, .webGrid td { border: 1px solid #C0C0C0; padding: 5px ; } .alt { background-color: #E4E9F5; color: #000; } .gridHead a:hover {text-decoration:underline;} . description { width:auto} .select{background-color: #389DF5} 添加列到表格中并指定列名、排序方式、字段绑定。
1.2K30编辑于 2022-11-10 - 来自专栏Crossin的编程教室
【Git 第5课】 Git工作流
在继续深入介绍Git的使用方法之前，有必要先来讲一讲Git的工作流。 在你自建的Git本地仓库中，有三个区域：本地目录、暂存区、HEAD。要搞清Git的工作流就要理解这三个区域的作用。 ? #==== Crossin的编程教室 ====# 面向零基础初学者的编程课 每天5分钟，轻松学编程 回复 p 查看Python课程 回复 g 查看Pygame课程 回复 i 查看Git课程 回复 t 查看习题
74080发布于 2018-04-16 - 来自专栏HUC思梦的java专栏
Activiti5工作流笔记二
* 流程变量必须和流程实例绑定在一起 * 3、通过什么样的方法把一个流程变量存放在流程实例中 * 4、通过什么样的方法把一个流程变量从流程实例中提取出来 * 5、
49720发布于 2020-09-03 浅谈AI工作流 VS AI Agent VS MCP
人们可能会说“AI做到了这一点”，但其实，这种表述往往是笼统的，因为AI并非只有单一的形式。 事实上，AI有三个非常不同的层级：AI工作流、AI代理和MCP（模型上下文协议）。 让我们理清楚： AI工作流 像是一个食谱，始终按照相同的步骤进行。 •你设计流程。•AI在过程中填补空白。 •AI工作流 = 任务执行者•AI代理 = 目标解决者•MCP = 基础设施支柱 当你将正确的层次匹配到正确的问题时，AI不再是一个花招 — 而是一个竞争优势。 结尾 像一些智能体平台像扣子空间和百炼中做的那样，可以将工作流发布成mcp，然后添加到任务中由AI 大模型决定什么时候该调用哪一个mcp来提供支持，有点类似于套娃，可以催生出无限多种可能。 AI工作流适合那些重复性的任务，AI代理则能够在复杂环境中做出自主决策，而MCP则为AI代理提供了强大的基础设施支持。
21910编辑于 2026-03-13可视化拖拽玩转 Claude Code 工作流
基于 VS Code 的 cc-wf-studio 插件彻底改变这一现状，用可视化画布+节点拖拽，轻松搭建分支判断、Skill 调用、MCP 工具联动、多 Agent 协同的完整工作流，导出后一条命令即可全自动执行 ，让 AI 开发流程更清晰、更稳定、更易复用。 支持中文界面、一键导出可执行命令，可把复杂开发、测试、运维流程变成标准化工作流，大幅降低编排门槛与执行成本。 把 Claude Code 的强大能力装进可视化画布，让复杂 AI 工作流变得直观、可控、可沉淀。 #ClaudeCode #Workflow #AI编程 #可视化开发 #效率神器 #MCP工具
4600编辑于 2026-04-17- 来自专栏一个会写诗的程序员的博客
jBPM 工作流引擎可视化编辑器
JBPM，是一款开源的工作流产品，功能强大、小巧灵活。 .x 和 JBPM4.x 使用 Hibernate 作为持久层技术 JBPM5 开始 （JBPM原开发团队，离开了JBOSS， 推出 Activity ）， JBPM5 和 JBPM4.4 没有任何关系 工作流概述 工作流（Workflow），就是“业务过程的部分或整体在计算机应用环境下的自动化”，它主要解决的是“使在多个参与者之间按照某种预定义的规则传递文档、信息或任务的过程自动进行，从而实现某个预期的业务目标 ，或者促使此目标的实现” 简单的说，就是将工作的流程通过程序管理起来，以表单审核和任务办理为主体，实现办公自动化 工作流框架，将业务流程管理起来， 所有业务流程操作，围绕工作流框架进行， 基于表单提交和任务办理 工作流框架有：Jbpm、OSWorkflow、ActiveBPEL、YAWL等 https://blog.csdn.net/qq_36414013/article/details/72903762
2.1K10发布于 2021-06-17 - 来自专栏GoCoding
AI 编程工作流与协同范式
本想就实际需求来说一下我是怎么用 AI 编程的，怎么与 AI 对话的，分享一下我的经验。但与它聊了几句工作流，发现它说得可真不错。那就看看我问了 AI 什么，它又回复了什么。来，一起学习吧。 我的 AI 编程工作流与协同范式，都在问题里了。而 AI 的回答则做了进一步的阐述，你也可以这样提问试试。一问：AI 怎么用好？AI 的 MCP 或 Skill 本质是不是优化描述做输入？ 二问：AI 编程工作流AI 编程，我有一套步骤，如下：需求-> 需求分析-> 技术选型 架构设计 实施目标-> AI 编程需求来了后，之后都可 AI 辅助。 二问：AI 编程工作流AI 编程，我有一套步骤，如下：需求-> 需求分析-> 技术选型 架构设计 实施目标-> AI 编程需求来了后，之后都可 AI 辅助。 ", "best_practices": "..." }}阶段三：自动化工作流用户需求 →AI需求分析师（分析需求类型） →AI架构师（选择设计模式） →AI程序员（基于模式生成代码
27610编辑于 2026-03-14 - 来自专栏Elastic Stack专栏
使用 Elasticsearch 构建 AI Agent 工作流
symbol) | limit 5", "params": { "symbol": { "type": "keyword", "description": " { "conversation_id": "db5c0c8b-12bf-4928-a57e-d99129ad2fea", "steps": [ { "type": "tool_call 很快，你就能将这些链路数据直接存入 Elasticsearch，并可视化查看。更好的是，链路格式基于 OpenTelemetry 标准，方便与任意可观测平台集成。 平台内嵌undefinedAgent 能力深度集成于 Elasticsearch：链路追踪、评估、可视化统统可用。想以执行数据做仪表盘？自带。想用情感分析评估 Agent 质量？平台同样支持。 由此构建完整的 AI 生命周期。Elastic 将持续提供接口，让你轻松构建基于自身数据的对话式 AI 与自动化工作流。更多技术细节和进展，敬请关注。
50621编辑于 2025-09-29 - 来自专栏ceshiren0001
提升测试效率5倍！Dify驱动的可视化工作流实现自动化测试“开箱即用”
现在，通过Dify的可视化工作流，即使是测试新手也能快速构建专业的自动化测试体系，实现真正的“开箱即用”。一、传统自动化测试的困境与破局为什么传统自动化测试难以普及？ Dify通过拖拽式工作流设计，将复杂的测试逻辑转化为直观的可视化节点，让测试人员可以专注于业务逻辑而非技术实现。 1：定义测试范围测试覆盖: -用户模块:注册、登录、资料管理-商品模块:浏览、搜索、详情查看-订单模块:下单、支付、状态跟踪-支付模块:多种支付方式测试步骤2：配置业务工作流# 可视化工作流对应的逻辑结构 ：开启测试效率新纪元通过Dify可视化工作流，我们成功将自动化测试的门槛降至最低，让每个测试人员都能轻松构建专业的测试体系。 核心价值总结： 效率飞跃：测试活动效率提升5倍以上 质量提升：测试覆盖更全面，缺陷发现更早 成本降低：人力投入大幅减少，维护成本显著下降 易于使用：零编码经验也能快速上手现在就开始你的可视化测试之旅，体验
84110编辑于 2025-11-07 扣子AI智能体工作流（完结）
智能体新范式：扣子 AI 工作流核心技术与实战在人工智能演进的宏大叙事中，我们正站在一个关键的转折点上：从“对话式交互”迈向“代理式执行”。 扣子（Coze）的出现，标志着AI 智能体（AI Agent）开发进入了“工作流编排”的新范式。这不仅是工具的创新，更是人机协作逻辑的重构——从让 AI“回答问题”，转变为让 AI“完成任务”。 扣子工作流通过可视化的变量传递机制，自动管理节点间的数据流动。上游节点的输出可以直接映射为下游节点的输入，系统智能地裁剪和重组 Prompt 上下文，确保大模型在每一步只接收最相关的信息。 通过可视化的拖拽编排，非技术背景的业务专家（如产品经理、运营人员）也能将自身的业务逻辑转化为可执行的 AI 工作流。这意味着，企业中最懂业务的人，可以直接构建最懂业务的智能体。 AI 将不再仅仅是执行预设脚本的工具，而是能够不断反思、学习和成长的有机体。结语扣子 AI 工作流的核心技术，不仅仅是提供了一种新的开发工具，更是定义了一种全新的智能体构建哲学。
62011编辑于 2026-03-19- 来自专栏用户7004369的专栏
如何利用快速开发平台可视化开发工作流
我们先来看看什么是工作流？ 所谓工作流引擎是指workflow作为应用系统的一部分，并为之提供对各应用系统有决定作用的根据角色、分工和条件的不同决定信息传递路由、内容等级等核心解决方案。 XJR开发平台的工作流是整合activity工作流引擎的图形化流程设计器，通过可视化配置界面。基于B/S结构，纯浏览器应用，只需要拖拽组件，拼接流程，就能实现各层的审批。 在OA办公系统中，每个人都会用的请假流程，我们拿请假申请流程来举例，看看如何利用XJR快速开发平台进行可视化设计流程？ 建立工作流程前我们需要先通过XJR快速开发平台的可视化表单设计先设计设计出请假表单。前面有文章详细介绍过了，在这里不详细讲解了。 一、点击后台工作流程→流程设计 二、用流程设计器画出请假流程图，XJR快速开发平台的流程设计器是整合activtity开发，采用可视化编辑工作流引擎，辅助研发人员设计专业的流程功能，像我这种只会办公软件的人都可轻易上手
2.1K00发布于 2020-03-03 - 来自专栏Tencent Serverless 官方专栏
可视化编排云服务，工作流 ASW 开始公测！
ASW 简介 应用与服务编排工作流（Application Services Workflow，ASW）是对腾讯云服务进行可视化编排，组合成工作流模板的应用程序集成类产品。 同时，您将无需编写代码，只需用可视化编排的方式快速构建自动化工作流模板，并实例化为任务去执行，或发布为服务接口提供对外访问。 可视化编排 ASW 将各类云服务的 API 以视图组件的形式展现，支持通过拖拽组件，可视化地编排工作流模板。可根据需求实现云服务的自由组合，提供满足复杂业务场景的工作流服务。 5. 自动化运维 支持云端自动化运维，包括自动化扩容、下线、迁移、维修、预案执行等多种自动化运维场景， 用于解决人工运维效率低下的问题。 将各类云服务组件以可视化编排组合的方式组成工作流模板，并集成为服务，为云端用户提供便捷、低成本的云上开发服务。 ? 6.
4K30发布于 2021-01-22
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号