_{真实正文生产流程：导演、上下文、专业写手、整合、校验、渲染与落库。}

DeterminFlow 是一个面向生产的 AI 工作流运行框架。它把 LLM、脚本、API、数据库操作 和人工审批组织成有版本、可校验、可重试、可恢复、可审计的工作流。

每个 Agent 只负责一个边界清楚的节点：读取这一步需要的上下文，使用被授权的工具， 交付可校验的结果。DeterminFlow 负责控制流、数据流、重试与恢复，让整条流程稳定跑完。

DeterminFlow 已经在 笔枢写作 的真实 AI 小说生产链路中 完成生产验证。

Codex、Claude 等单智能体框架很适合探索未知问题。但流程已经明确时，让一个 Agent 反复阅读全部上下文、自己记住每一步，还要负责调用所有工具，通常更慢、更贵，也更难维护。

带来的变化很直接：

• 开发更快： 把可靠节点组合起来，验证通过就能接 API 或业务服务。
• 维护更轻松： 流程、参数和输出都有固定结构，不靠一大段 Prompt 维持秩序。
• 运行更稳定： 模型只处理需要判断的部分，控制流和数据流交给 Runtime。
• 失败不重来： 任意节点都能审计、重试和恢复，长流程不必从头再跑。
• Token 更省： 每个模型只读取自己需要的上下文，不重复背完整历史。
• 权限更小： 工具可以按节点收窄，更强的 LLM 工作区沙箱也在 Roadmap 中。

笔枢写作 使用 DeterminFlow 串起导演、世界状态、角色维护、多个 专业写手、整合、校验、渲染和落库，形成一条可以断点恢复的正文生产流程。

一次真实完成的生产任务包含 11 个独立模型会话，在 DeterminFlow 中运行一次共消耗 176,584 Token。如果把同一套流程交给一个长链 Agent，让它反复携带上下文、工具 结果和返工记录，估算 Token 消耗最高可达到 DeterminFlow 的 9.1 倍：

以上基于真实 Workflow Token 账本，以及长链 Agent 重复携带上下文、工具结果和返工 的典型开销估算；成本按估算时的 API 输入 Token 单价换算。

在这条真正的生产流程中，使用节点级上下文隔离预计可以减少约 70%–89% 的 Token 消耗。

• 可视化 Workflow Editor，支持变量、条件、并行、循环、人工审批和子流程
• Agent、Script、Approval、Subprocess 四类 Core Node
• 每个节点独立配置输入、输出、模型和失败处理
• 通用 Core Node 抽象，贡献者或 Fork 可以继续开发新节点类型

• Task 启动时冻结 Workflow 定义和输入
• 自动重试、人工重试、跳过，以及从失败节点恢复
• 跨进程重启保存执行检查点
• 并行、循环和子流程拥有独立的尝试历史

• 每个 Agent Node 都有独立会话和 Token 账本
• 工具白名单、黑名单、Workspace 和最大轮次可以按节点配置
• JSON 输出检测、解析、修复和模型重试
• 下游节点可以拒绝结果，让上游定向返工

• 按 Workflow、Task、Node、尝试和模型调用查看状态与用量
• FastAPI、React 控制台、Cron Automation、WebSocket 事件和健康检查
• MCP、Agent/Prompt 模板、Skill 和 Rule 都可以成为 Workflow 的可复用资产
• Core 可以独立运行，不依赖任何业务 Plugin

对话、Workflow、Cron、Skills、Rules 和 Plugins 都在同一个控制台中。

flowchart LR
    I["API / Event / Manual Input"] --> W["Versioned Workflow"]
    W --> A["Agent Node<br/>local context + minimum tools"]
    A --> V["Output validation"]
    V -->|"invalid"| A
    V -->|"valid"| S["Script / API / Database"]
    S --> C["Checkpoint + audit trail"]
    C --> O["API / Service / Plugin Output"]

1. Task 启动时冻结 Workflow、参数和节点输入。
2. Agent Node 在独立会话中运行，只装配自己需要的工具。
3. 输出不合格时修复、重试、跳过，或者请求人工处理。
4. Script Node 负责文件转换、API 调用和数据库落库等确定性工作。
5. 每次尝试、错误、Token、产物和检查点都会保存，进程重启后仍可继续。

DeterminFlow 解决流程怎么执行，Plugin 则把它和运行所需的能力一起打包交付。常见场景 包括：

官方插件统一发布在 DeterminFlow-Plugins。其中 bishu-novel 是从笔枢写作真实生产链路整理出的开源 AI 小说 Workflow 案例。当前公开版包含：

它覆盖建书、角色、故事规划、卷纲与近纲、正文生产、章节后验和润色，并带有配套 API、 SSE Job、PostgreSQL 迁移和断点恢复。Plugin 是你打包交付一套完整 AI 业务引擎的最佳选择。

要求 Python 3.11+、Node.js 22.12+ 和 npm。根据你的系统选择一组命令。

git clone https://github.com/alikon-art/DeterminFlow.git
cd DeterminFlow
python -m venv .venv
source .venv/bin/activate
python -m pip install -r requirements.lock
cp .env.example .env
cp config/models_config.example.json config/models_config.json
python run.py

git clone https://github.com/alikon-art/DeterminFlow.git
Set-Location DeterminFlow
python -m venv .venv
.\.venv\Scripts\python.exe -m pip install -r requirements.lock
Copy-Item .env.example .env
Copy-Item config\models_config.example.json config\models_config.json
.\.venv\Scripts\python.exe run.py

可以先启动再到设置页面填写 API Key；也可以在 .env 中填写 DEEPSEEK_API_KEY，模型配置通过 ${DEEPSEEK_API_KEY} 读取它。

启动后可以访问：

• Web UI：http://localhost:8020
• API 文档：http://localhost:8020/docs
• Plugin 状态：GET /api/extensions

也可以使用 Docker：

docker compose up --build

新配置统一使用 DETERMINFLOW_* 前缀；已有的 AI_COMPANY_* 环境变量和 ai_company.extensions Entry Point 继续作为兼容别名使用，新旧配置同时存在时以新名称为准。

• 架构说明
• Plugin Package 规范
• Extension 开发指南

python -m pip install -r requirements-dev.lock
python -m pytest -q
(cd web && npm run lint && npm run test:extensions && npm run build)
docker compose -f docker-compose.yml config -q

QQ 群	微信群
群号：945515407	临时二维码，2026 年 8 月 9 日前有效

• 完成内部兼容标识的 DeterminFlow 命名迁移
• 为每个 Agent Node 提供更强的 Workspace 与 LLM 执行沙箱
• 完善 Workflow 到独立 API / Service 的发布模板
• 增加更多可复现的生产级 Workflow 案例
• 确定 v0.1.0 之后的兼容与版本策略

DeterminFlow 使用 GNU AGPL v3（AGPL-3.0-only）许可证。

由 alikon-art 创建并维护。
来自 笔枢写作 真实 AI 小说生产流程的实践。