PySpur - AI智能体可视化开发平台

项目概述

PySpur是一个面向AI智能体的可视化工作流平台，让AI工程师能够以10倍速度迭代开发AI智能体。这是一个由Y Combinator支持的开源项目，专为解决AI工程师在构建智能体时遇到的关键痛点而设计。

解决的核心问题

AI工程师在构建智能体时普遍面临三大挑战：

1. 提示词地狱：花费大量时间进行提示词调优和反复试错
2. 工作流盲点：缺乏对步骤交互的可视化，导致隐藏故障和混乱
3. 终端测试噩梦：需要盯着原始输出并手动解析JSON

核心功能特性

🔄 工作流管理

• 可视化图形界面：通过拖拽方式构建AI工作流
• 循环支持：支持带内存的迭代工具调用
• 人机协同：持久化工作流，支持等待人工审批
• 断点调试：工作流暂停点，需要人工批准后继续执行

📤 多模态数据处理

• 文件上传：支持上传文件或粘贴URL处理文档
• 多模态支持：处理视频、图片、音频、文本、代码等多种格式
• 结构化输出：提供JSON Schema的UI编辑器

🗃️ RAG系统

• 完整RAG流程：解析、分块、嵌入并将数据插入向量数据库
• 向量数据库集成：支持多种向量数据库

🧰 工具集成

• 丰富的工具支持：集成Slack、Firecrawl.dev、Google Sheets、GitHub等
• 可扩展性：通过创建单个Python文件即可添加新节点

📊 监控与评估

• 自动追踪：自动捕获已部署智能体的执行轨迹
• 评估系统：在真实世界数据集上评估智能体性能
• 一键部署：发布为API并集成到任何地方

🎛️ 多厂商支持

• 100+服务商支持：支持超过100个LLM提供商、嵌入器和向量数据库
• Python驱动：基于Python构建，易于扩展和定制

快速开始

安装要求

• Python 3.11或更高版本

基本安装步骤

1. 安装PySpur

pip install pyspur

2. 初始化新项目

pyspur init my-project
cd my-project

3. 启动服务器

pyspur serve --sqlite

默认情况下，这将在 http://localhost:6080 启动PySpur应用，使用sqlite数据库。推荐在 .env 文件中配置postgres实例URL以获得更稳定的体验。

4. 配置环境和API密钥（可选）

• 应用界面方式：导航到API密钥标签页添加提供商密钥（OpenAI、Anthropic等）
• 手动方式：编辑 .env 文件（推荐配置postgres）并使用 pyspur serve 重启

开发环境设置

推荐方式：使用开发容器

推荐使用Cursor/VS Code配合开发容器（.devcontainer/devcontainer.json）来获得：

• 预配置工具和扩展的一致开发环境
• 针对Python和TypeScript开发的优化设置
• 自动热重载和端口转发

步骤：

1. 安装Cursor/VS Code和Dev Containers扩展
2. 克隆并打开仓库
3. 提示时点击"在容器中重新打开"

手动设置方式

1. 克隆仓库

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

2. 使用docker-compose启动

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

3. 自定义设置：编辑 .env 配置环境（如PostgreSQL设置）

注意：手动设置需要额外配置，可能不包含所有开发容器功能。

应用场景

PySpur特别适合以下场景：

• 需要可视化调试的复杂AI工作流
• 需要人工监督的质量保证流程
• 多模态数据处理应用
• RAG系统构建和优化
• 大规模智能体应用部署

技术架构

• 前端：基于图形化界面的工作流编辑器
• 后端：Python驱动的执行引擎
• 数据库：支持SQLite和PostgreSQL
• 部署：支持容器化部署和一键API发布