跳转至内容
  • 版块
  • 最新
  • 标签
  • 热门
  • 用户
  • 群组
皮肤
  • 浅色
  • Brite
  • Cerulean
  • Cosmo
  • Flatly
  • Journal
  • Litera
  • Lumen
  • Lux
  • Materia
  • Minty
  • Morph
  • Pulse
  • Sandstone
  • Simplex
  • Sketchy
  • Spacelab
  • United
  • Yeti
  • Zephyr
  • 深色
  • Cyborg
  • Darkly
  • Quartz
  • Slate
  • Solar
  • Superhero
  • Vapor

  • 默认(不使用皮肤)
  • 不使用皮肤
折叠
品牌标识

抡锤者

  1. 主页
  2. LLM讨论区
  3. AgentFlaw工作流编排,最新进展

AgentFlaw工作流编排,最新进展

已定时 置顶直到 2026/5/21 14:30 已锁定 已移动 LLM讨论区
21 帖子 5 发布者 91 浏览 1 关注中
  • 从旧到新
  • 从新到旧
  • 最多赞同
回复
  • 在新帖中回复
登录后回复
此主题已被删除。只有拥有主题管理权限的用户可以查看。
  • M 离线
    M 离线
    mark
    编写于 最后由 编辑
    #6

    呼叫 老特 , 我现在想的是 工作流 ,节点 如何定义.

    我想实现 ,多 模型, 多 agent, 多skills, 综合的 工作流.

    我定义 node 节点 ,有 model, agent ,skill, 还有基础能力 聊天, 文本, 图片, 语言转文字, 未来文生图.

    我现在 卡住思维了. 不知道 如何定义节点了.

    1 条回复 最后回复
    0
    • M 离线
      M 离线
      mark
      编写于 最后由 编辑
      #7

      如何实现 在 一个工作流 中 ,调用 不同的 模型? 比如 A流程 需要 本地模型 读取本地文件 , B流程 , 需要在线模型B 来 整理 提示词, 因为价格便宜 C流程 , 需要在线模型C, 最终来 进行干活. 因为C模型理解能力强,但是token的费用太贵.

      以下是思路:
      给「每个技能节点」独立绑定「模型配置」
      全局 Agent:只做人设、规则,不绑定固定模型
      每个 Flow 节点:可以单独选择:
      本地模型 (LM Studio)
      在线模型 B (廉价整理)
      在线模型 C (高质量生成)
      工作流运行时:节点走到哪,就调用该节点绑定的模型
      前端负责编排选择,后端负责按配置执行调用
      这就是你要的:A 用本地、B 用廉价模型、C 用强模型

      1 条回复 最后回复
      0
      • M 离线
        M 离线
        mark
        编写于 最后由 编辑
        #8

        我终于理解了, 造汽车的难度 ,比 开汽车的难度 ,根本无法相提并论. 难度一个天上 一个地上.

        1 条回复 最后回复
        0
        • M 离线
          M 离线
          mark
          编写于 最后由 编辑
          #9

          我去干活了, 等老特上线 ,帮忙给我回复.

          1 条回复 最后回复
          0
          • M 离线
            M 离线
            mark
            编写于 最后由 编辑
            #10

            ComfyUI 工作流:实现原理与核心机制全解析
            一、核心本质:数据流驱动的有向无环图 (DAG) 执行引擎
            ComfyUI 的工作流本质是可视化的计算图编排系统,专为 AI 模型推理(尤其 Stable Diffusion)设计。它将复杂的生成流程拆分为独立的节点模块,通过数据流编程范式实现灵活的工作流定制。
            核心设计哲学
            一切皆节点:每个操作(模型加载、文本编码、图像采样、VAE 解码等)都是独立节点
            数据驱动执行:节点仅在所有必填输入就绪时才执行,结果自动流向下游节点
            无状态与可复用:工作流可保存为 JSON 文件,支持一键加载与共享,保证结果可复现

            前端 (客户端):可视化编辑器
            技术栈:原生 JavaScript + HTML5 Canvas(非 React),追求极致性能
            核心功能:
            节点拖拽、连线、参数配置
            工作流 JSON 序列化 / 反序列化
            通过 WebSocket 与后端实时通信
            执行状态、进度、中间结果预览
            2. 后端 (服务端):Python 推理引擎
            技术栈:Python + FastAPI + PyTorch + 异步任务队列
            核心组件:
            节点注册表 (Node Registry):管理所有可用节点的元数据
            图执行器 (Graph Executor):解析 DAG 并调度节点执行
            模型管理器 (Model Manager):加载 / 卸载 / 缓存 AI 模型
            任务队列 (Task Queue):处理并发推理请求

            我不想了, 就照着 ComfyUI 来吧.

            Tony WangT 2 条回复 最后回复
            0
            • M 离线
              M 离线
              mark
              编写于 最后由 编辑
              #11

              有时候 模型 ,那个嘴硬, 怎么骂都不好使, 你看上去简单的功能, 其实 一点不简单.

              1 条回复 最后回复
              0
              • 张老师张 离线
                张老师张 离线
                张老师
                编写于 最后由 编辑
                #12

                今天老特视频有没有更新。小特被限流!@mark 你这个东西很高端啊!

                1 条回复 最后回复
                0
                • M mark

                  ComfyUI 工作流:实现原理与核心机制全解析
                  一、核心本质:数据流驱动的有向无环图 (DAG) 执行引擎
                  ComfyUI 的工作流本质是可视化的计算图编排系统,专为 AI 模型推理(尤其 Stable Diffusion)设计。它将复杂的生成流程拆分为独立的节点模块,通过数据流编程范式实现灵活的工作流定制。
                  核心设计哲学
                  一切皆节点:每个操作(模型加载、文本编码、图像采样、VAE 解码等)都是独立节点
                  数据驱动执行:节点仅在所有必填输入就绪时才执行,结果自动流向下游节点
                  无状态与可复用:工作流可保存为 JSON 文件,支持一键加载与共享,保证结果可复现

                  前端 (客户端):可视化编辑器
                  技术栈:原生 JavaScript + HTML5 Canvas(非 React),追求极致性能
                  核心功能:
                  节点拖拽、连线、参数配置
                  工作流 JSON 序列化 / 反序列化
                  通过 WebSocket 与后端实时通信
                  执行状态、进度、中间结果预览
                  2. 后端 (服务端):Python 推理引擎
                  技术栈:Python + FastAPI + PyTorch + 异步任务队列
                  核心组件:
                  节点注册表 (Node Registry):管理所有可用节点的元数据
                  图执行器 (Graph Executor):解析 DAG 并调度节点执行
                  模型管理器 (Model Manager):加载 / 卸载 / 缓存 AI 模型
                  任务队列 (Task Queue):处理并发推理请求

                  我不想了, 就照着 ComfyUI 来吧.

                  Tony WangT 离线
                  Tony WangT 离线
                  Tony Wang
                  编写于 最后由 编辑
                  #13

                  @mark

                  我的一点儿浅见, 我觉得你可以抽象出两个节点:

                  1, Router, 它的输入是用户对流程的期望, 以及workflow 的json. 它负责推理出如何调度不同的资源和参数. 输出给Hub switch.

                  2, Hub, 它负责switch不同的参数给 load checkpoint, load prompt, load output setting等.

                  M 1 条回复 最后回复
                  0
                  • Tony WangT Tony Wang

                    @mark

                    我的一点儿浅见, 我觉得你可以抽象出两个节点:

                    1, Router, 它的输入是用户对流程的期望, 以及workflow 的json. 它负责推理出如何调度不同的资源和参数. 输出给Hub switch.

                    2, Hub, 它负责switch不同的参数给 load checkpoint, load prompt, load output setting等.

                    M 离线
                    M 离线
                    mark
                    编写于 最后由 编辑
                    #14

                    @Tony-Wang 谢谢 回复. 我尝试了下 comfyui, 功能太强大了. 视频界的天花板了. 目前来说.

                    我这个工作流编排,还是聚焦 编程,还有办公场景吧.

                    1 条回复 最后回复
                    0
                    • M mark

                      ComfyUI 工作流:实现原理与核心机制全解析
                      一、核心本质:数据流驱动的有向无环图 (DAG) 执行引擎
                      ComfyUI 的工作流本质是可视化的计算图编排系统,专为 AI 模型推理(尤其 Stable Diffusion)设计。它将复杂的生成流程拆分为独立的节点模块,通过数据流编程范式实现灵活的工作流定制。
                      核心设计哲学
                      一切皆节点:每个操作(模型加载、文本编码、图像采样、VAE 解码等)都是独立节点
                      数据驱动执行:节点仅在所有必填输入就绪时才执行,结果自动流向下游节点
                      无状态与可复用:工作流可保存为 JSON 文件,支持一键加载与共享,保证结果可复现

                      前端 (客户端):可视化编辑器
                      技术栈:原生 JavaScript + HTML5 Canvas(非 React),追求极致性能
                      核心功能:
                      节点拖拽、连线、参数配置
                      工作流 JSON 序列化 / 反序列化
                      通过 WebSocket 与后端实时通信
                      执行状态、进度、中间结果预览
                      2. 后端 (服务端):Python 推理引擎
                      技术栈:Python + FastAPI + PyTorch + 异步任务队列
                      核心组件:
                      节点注册表 (Node Registry):管理所有可用节点的元数据
                      图执行器 (Graph Executor):解析 DAG 并调度节点执行
                      模型管理器 (Model Manager):加载 / 卸载 / 缓存 AI 模型
                      任务队列 (Task Queue):处理并发推理请求

                      我不想了, 就照着 ComfyUI 来吧.

                      Tony WangT 离线
                      Tony WangT 离线
                      Tony Wang
                      编写于 最后由 编辑
                      #15

                      @mark

                      抱歉, 我理解错问题了. 关于节点如何构建, 我觉得你抄ComfyUI是对的.

                      1 条回复 最后回复
                      0
                      • M 离线
                        M 离线
                        mark
                        编写于 最后由 编辑
                        #16

                        谢谢了. 能看懂我的贴子的 ,应该论坛不会太多人.

                        是这样的, 定义node 节点, 需要原子性, 不能定义 RAG 知识库 这种技能. 必须 原子化. 例如 读取图片,输入提示词,

                        你可以理解 node, 就是 IDE编程 里面的 控件 .

                        1 条回复 最后回复
                        1
                        • M 离线
                          M 离线
                          mark
                          编写于 最后由 编辑
                          #17

                          一般的人 ,只会开车, 知道 加油开车.

                          我是 奔驰创始人, 我是造车的. 我需要定义 什么是轮胎? 什么是发动机? 什么是车架?

                          而工作流 ,就是把 这些零部件 穿起来.

                          但是 如何定义 零部件, 这个 挺难的. 我不能把 轮胎和发动机 ,组装在一起, 叫 轮胎发动机.

                          我定义 零部件 ,必须 是 原子化.

                          1 条回复 最后回复
                          1
                          • terryT 离线
                            terryT 离线
                            terry
                            编写于 最后由 编辑
                            #18

                            给个置顶帖子,但是我的评价很简单,你发明了一个手电筒,这个手电筒它不发光,你得用另外一个手电筒去照它,它才会发光。你手里拿着一只皮鞋,结果它是一个电吹风。虽然很酷炫,然而并没有什么卵用。我的建议是,如果你闲的蛋疼,就继续折腾。如果你想做点事,该忘掉这玩意。

                            你没有领会伍佰:来来来,喝完这一杯,还有一杯。再喝完这一杯,还有三杯。请问总共有几杯?要喝到什么时候?好吧,或许我正在对疯狂实验的特斯拉泼冷水,做一个恶人。

                            1 条回复 最后回复
                            0
                            • terryT terry 固定了该主题
                            • M 离线
                              M 离线
                              mark
                              编写于 最后由 编辑
                              #19

                              人生最难的就是放下.
                              忘掉Hermes Agent ,忘掉openlcaw. 忘掉一切.
                              我自己为我自己开发一套工作流吧.
                              就算不能商用, 我自己用 也是很有价值的.

                              我以后用这个工作流,自己来编程, 处理工作. 也是很有价值的.

                              1 条回复 最后回复
                              0
                              • terryT 离线
                                terryT 离线
                                terry
                                编写于 最后由 编辑
                                #20

                                对啊,你开发个工作流就是了,干嘛要扯agent呢,还两个agent,完全不理解openclaw的价值和意义。你可以尝试下单独用hermes看看。

                                1 条回复 最后回复
                                0
                                • M 离线
                                  M 离线
                                  mark
                                  编写于 最后由 编辑
                                  #21

                                  22cede9c-1a9a-4634-b69e-7579a660061a-image.jpeg

                                  谢谢老特. 知道了.

                                  1 条回复 最后回复
                                  0

                                  你好!看起来您对这段对话很感兴趣,但您还没有一个账号。

                                  厌倦了每次访问都刷到同样的帖子?您注册账号后,您每次返回时都能精准定位到您上次浏览的位置,并可选择接收新回复通知(通过邮件或推送通知)。您还能收藏书签、为帖子顶,向社区成员表达您的欣赏。

                                  有了你的建议,这篇帖子会更精彩哦 💗

                                  注册 登录
                                  回复
                                  • 在新帖中回复
                                  登录后回复
                                  • 从旧到新
                                  • 从新到旧
                                  • 最多赞同


                                  • 登录

                                  • 没有帐号? 注册

                                  • 登录或注册以进行搜索。
                                  • 第一个帖子
                                    最后一个帖子
                                  0
                                  • 版块
                                  • 最新
                                  • 标签
                                  • 热门
                                  • 用户
                                  • 群组