PySpur - AI智慧體可視化開發平台

項目概述

PySpur 是一個面向 AI 智慧體的可視化工作流平台，讓 AI 工程師能夠以 10 倍速度迭代開發 AI 智慧體。這是一個由 Y Combinator 支持的開源項目，專為解決 AI 工程師在構建智慧體時遇到的關鍵痛點而設計。

解決的核心問題

AI 工程師在構建智慧體時普遍面臨三大挑戰：

1. 提示詞地獄：花費大量時間進行提示詞調優和反覆試錯
2. 工作流盲點：缺乏對步驟交互的可視化，導致隱藏故障和混亂
3. 終端測試噩夢：需要盯著原始輸出並手動解析 JSON

核心功能特性

🔄 工作流管理

• 可視化圖形界面：通過拖拽方式構建 AI 工作流
• 循環支持：支持帶記憶體的迭代工具調用
• 人機協同：持久化工作流，支持等待人工審批
• 斷點調試：工作流暫停點，需要人工批准後繼續執行

📤 多模態數據處理

• 文件上傳：支持上傳文件或粘貼 URL 處理文檔
• 多模態支持：處理視頻、圖片、音頻、文本、代碼等多種格式
• 結構化輸出：提供 JSON Schema 的 UI 編輯器

🗃️ RAG 系統

• 完整 RAG 流程：解析、分塊、嵌入並將數據插入向量數據庫
• 向量數據庫集成：支持多種向量數據庫

🧰 工具集成

• 豐富的工具支持：集成 Slack、Firecrawl.dev、Google Sheets、GitHub 等
• 可擴展性：通過創建單個 Python 文件即可添加新節點

📊 監控與評估

• 自動追踪：自動捕獲已部署智慧體的執行軌跡
• 評估系統：在真實世界數據集上評估智慧體性能
• 一鍵部署：發布為 API 並集成到任何地方

🎛️ 多廠商支持

• 100+ 服務商支持：支持超過 100 個 LLM 提供商、嵌入器和向量數據庫
• Python 驅動：基於 Python 構建，易於擴展和定制

快速開始

安裝要求

• Python 3.11 或更高版本

基本安裝步驟

1. 安裝 PySpur

pip install pyspur

2. 初始化新項目

pyspur init my-project
cd my-project

3. 啟動伺服器

pyspur serve --sqlite

默認情況下，這將在 http://localhost:6080 啟動 PySpur 應用，使用 sqlite 數據庫。推薦在 .env 文件中配置 postgres 實例 URL 以獲得更穩定的體驗。

4. 配置環境和 API 密鑰（可選）

• 應用界面方式：導航到 API 密鑰標籤頁添加提供商密鑰（OpenAI、Anthropic 等）
• 手動方式：編輯 .env 文件（推薦配置 postgres）並使用 pyspur serve 重啟

開發環境設置

推薦方式：使用開發容器

推薦使用 Cursor/VS Code 配合開發容器（.devcontainer/devcontainer.json）來獲得：

• 預配置工具和擴展的一致開發環境
• 針對 Python 和 TypeScript 開發的優化設置
• 自動熱重載和端口轉發

步驟：

1. 安裝 Cursor/VS Code 和 Dev Containers 擴展
2. 克隆並打開倉庫
3. 提示時點擊 "在容器中重新打開"

手動設置方式

1. 克隆倉庫

git clone https://github.com/PySpur-com/pyspur.git
cd pyspur

2. 使用 docker-compose 啟動

docker compose -f docker-compose.dev.yml up --build -d

3. 自定義設置：編輯 .env 配置環境（如 PostgreSQL 設置）

注意：手動設置需要額外配置，可能不包含所有開發容器功能。

應用場景

PySpur 特別適合以下場景：

• 需要可視化調試的複雜 AI 工作流
• 需要人工監督的質量保證流程
• 多模態數據處理應用
• RAG 系統構建和優化
• 大規模智慧體應用部署

技術架構

• 前端：基於圖形化界面的工作流編輯器
• 後端：Python 驅動的執行引擎
• 數據庫：支持 SQLite 和 PostgreSQL
• 部署：支持容器化部署和一鍵 API 發布