alikon-art/DeterminFlow

解决的问题

DeterminFlow 的设计目标是将 AI 过程从不可预测的单代理实验，转变为稳定、可投入生产的流程。它通过将复杂任务分解为可版本化、可验证且可恢复的节点，解决了长链单代理框架固有的“幻觉”和不稳定性问题。

如何工作

与让一个代理处理所有事情不同，DeterminFlow 将 LLM、脚本、API 调用和人工审批组织成一个结构化流程。

1. 节点化执行：每个节点（代理、脚本、审批或子进程）都有明确的边界、特定工具和本地上下文。这可以防止长链代理中常见的“上下文膨胀”问题。
2. 状态管理：系统在启动时冻结工作流定义和输入。它会保存检查点，允许任务从失败点恢复，而无需重新启动整个流程。
3. 输出验证：实现 JSON 输出检测和自动修复/重试机制。如果下游节点拒绝结果，系统可以触发上游节点的针对性重做。
4. 插件系统：工作流及其所需资产（提示词、技能、规则）可打包为插件，便于作为 API 或业务服务交付。

适用人群

对可靠性、成本控制（token 使用量）和可审计性要求高于开放探索的生产级 AI 应用开发者和企业。

主要亮点

• 显著降低 token 消耗：通过节点级上下文隔离，相比单代理框架，实测 token 消耗减少 70%–89%。
• 可靠的恢复能力：支持自动和手动重试、跳过，以及通过检查点实现跨进程重启恢复。
• 可视化编排：包含可视化工作流编辑器，用于管理变量、条件、并行执行和循环。
• 生产就绪工具链：集成 FastAPI、React 控制台、Cron 自动化和 WebSocket 事件，便于作为服务部署。