Finyuus
Marius Ndini · 程式設計
Finyuus 是一個以程式碼為核心的 AI 工作流程平台，用來建立、執行與治理可持久執行的 AI 工作流程。你在一個以縮排為基礎的小型語言裡定義代理、工具、防護與核准，Finyuus 再把結果放到 Temporal 上執行，讓一次執行能撐過當機、重啟與長時間等待。整個堆疊都自行架設。執行環境與資料都歸你所有。習慣把提示詞、重試與核准邏輯縫進應用程式碼的團隊，會發現這款開源 AI 工作流程工具把這些行為集中到單一、可版本化、可稽核的地方。這是很大的轉變，值得在投入前先弄懂。
關於 Finyuus
Finyuus 是什麼
Finyuus 對待 AI 行為的方式，就像資料庫對待 SQL 一樣：把它當成獨立的層，有自己的介面、自己的版本機制與自己的生命週期。你不再把提示詞與工具呼叫藏在應用程式裡，而是寫成一份工作流程，由平台儲存、版本化並執行。代理定義、防護、結構描述與管線，各自都是可儲存的物件，你能固定到某個版本，並在不同專案之間重複使用。
執行環境是最關鍵的部分。執行流程都經過 Temporal，所以工作流程可以為了等一個人核准而暫停一小時，能在 worker 重啟後接續，同時仍保有準確的歷史紀錄。圍繞這個核心，Finyuus 透過 Langfuse 提供可觀測性，應用程式資料放在 ClickHouse，檔案儲存則用本機 MinIO 或 S3，並附上一個用來撰寫與檢視執行結果的儀表板。
這在日常中能帶來什麼？一套穩固的 AI 代理協作，而不必堆一座膠水程式碼。人工介入核准是第一級語句，不是事後才補上的東西。它是為開發者而做，不是給想玩拖放玩具的人。要架起本機平台，你需要 Node.js 22 或以上、pnpm 與 Docker，範例還需要一組 OpenAI 或 Anthropic 金鑰。這裡的路線圖上沒有代管方案，也沒有代管價格頁，取捨因此很清楚：用自行維運基礎架構，換來完整掌控。這是一筆真實成本，團隊應該算進去。
開始使用
- 安裝 Node.js 22+ 與 pnpm 10+，並確認 Docker Desktop 正在執行。
- 用
cp .env.local.example .env.local複製環境範本，接著至少加入一組 LLM 供應商金鑰（OPENAI_API_KEY或ANTHROPIC_API_KEY）。 - 執行
make init產生本機密鑰與應用程式環境檔，再執行make up啟動 Postgres、ClickHouse、Redis、MinIO、Temporal 與 Langfuse。 - 可選擇執行
make demos載入範例工具、結構描述、代理與管線，或從乾淨狀態開始。 - 用
pnpm build-web與pnpm start-web建置並啟動網頁應用程式，再以pnpm start-worker啟動 worker，並在http://localhost:3001開啟儀表板。
產品資訊
快速了解 Finyuus 的定價、支援平台與效能。
適合對象
這項工具最適合的使用者、任務與情境。
使用者
- 後端與平台開發者：Finyuus 適合想把 AI 工作流程放進 Git 版本化、像程式碼一樣審查的工程師，前提是他們熟悉在本機執行 Node.js 與 Docker。
- 處理受監管或敏感請求的團隊：自行架設的執行環境與人工核准步驟契合合規流程，因為提示詞與輸出永遠不會離開你能掌控的基礎架構。這正是賣點。
任務
- 打造多步驟 AI 代理：你把模型呼叫、工具與子管線組成單一定義，而不是透過應用程式服務把它們接起來。
- 加入人工介入審查：核准語句會暫停一次執行、指派給審查者，並依核准或拒絕分流，還具備真正的逾時處理。
- 把工作流程發布成 API：任何管線都能變成需要驗證的 HTTP 端點，附帶速率限制、冪等鍵與伺服器推送事件。
情境
- 執行必須撐過重啟的長時間工作：Temporal 讓狀態度過當機與數小時的等待，所以卡住的 worker 不會毀掉這次執行。
- 稽核 AI 系統為何產生某個輸出：Langfuse 追蹤、Temporal 歷史與執行事件都集中在同一處供檢視。
- 在進入正式環境前於本機做原型：CLI 執行器能直接跑 `.fy` 管線檔，不必啟動完整 Temporal 堆疊。
主要功能
以縮排為基礎的工作流程 DSL
Finyuus 的語言是一門小型領域特定語言，為 AI 協作而寫，而非通用腳本。它的語句涵蓋代理呼叫、原生與 HTTP 工具、防護、核准、條件、迴圈、平行分支與子管線。因為工作流程是純文字，你可以比對差異、在 pull request 中審查，並在不同專案間重複使用片段。這就是它存在的全部理由：能讀、能比的 AI 行為，而不是塞滿方塊的畫布。沒有方塊。只有文字。
在 Temporal 上持久執行
每一次執行都由 Temporal 支撐，這正是長時間等待與故障得以度過的關鍵。如果 worker 在執行途中掛掉，工作流程會從記錄下來的狀態接續，而不是從頭再來。重試、取消與子工作流程協作都來自同一層。它就是能運作。對那些看過數小時的代理工作因當機而付諸流水的人來說，這項功能改變了整個盤算。
用於政策與信心檢查的防護
防護是以 LLM 為基礎的政策檢查，會回傳 allowed、confidence 與 reason 等欄位。管線會把執行導向通過或阻擋分支，你可以依信心門檻把關，而不是只看平板的是一或否。這樣就能避免模型直接回答財務建議的問題，或在輸出觸犯發布政策時、送達使用者之前先擋下來。概念簡單。實務上差別巨大。
具備真正逾時的人工核准
核准語句會暫停工作流程，直到審查者從儀表板或 API 解決。你設定受指派者、逾時與逾時動作，管線便分流到已核准與已拒絕兩條路徑。這是真正的停頓，不是建議。這就是「我們之後再看看」與一個真的會擋下風險輸出、等待人工再繼續的系統之間的差別。
可版本化、可重複使用的元件
代理、防護、工具、結構描述與管線都是可儲存的物件，帶有不可變的版本固定。你寫下 pipeline:company_research@v2，拿到的就正好是那個版本，而不是某人最後改過的內容。固定住。繼續前進。子管線能直接呼叫，也能包裝成代理工具，所以某處的更動不會悄悄擴散到每個依賴它的工作流程。
管線 API 發布
任何管線都能發布成 HTTP 端點，具備 Bearer 權杖驗證、以 Redis 為後盾的速率限制、冪等鍵與輸入驗證。伺服器推送事件會把執行更新串流回呼叫方，核准也會產生自己的事件。流程限制預設為整體每分鐘 300 次請求、每個端點 120 次，全都能透過環境變數調整。預設值合理。要覆寫也很容易。
全堆疊可觀測性
追蹤、權杖用量與模型成本都會進到 Langfuse，應用程式資料與管線資料表則放在 ClickHouse。執行歷史、防護結果與核准決策都能在儀表板看到。重點不是為了儀表板而堆儀表板。而是一個零散的 AI 系統，往往沒有單一地方能回答「這次執行到底發生了什麼？」
物件儲存與資料操作
檔案與大型產物會進到可設定的物件儲存，預設是本機 MinIO，也能用幾個環境變數切換到 AWS S3。DSL 把檔案的讀寫與 ClickHouse 資料表的操作當成第一級語句，所以結構化資料操作就落在工作流程裡，而不是另開一個服務。不必多養一個服務。
優缺點
優點
- 自行架設且在 Apache 2.0 下開源，所以執行環境、資料與部署都由你掌控。
- 持久執行能處理當機、重試與數小時的核准等待，不會遺失執行狀態。
- 工作流程是文字，意味著正常的 Git 審查、可讀的差異，以及可重複使用且固定版本的元件。
- 防護與人工核准是內建，而非事後補上，這對受監管的使用情境很重要。
- CLI 執行器讓你能測試管線檔，不必啟動完整的 Temporal、ClickHouse 與 MinIO 堆疊。
缺點
- 沒有代管選項，所以 Postgres、Temporal、Redis 與 ClickHouse 的基礎架構負擔得自己扛。
- 安裝設定假設你具備真正的開發技能：Node.js、pnpm、Docker 與供應商 API 金鑰，全都是任何東西跑起來之前的前置條件。
- 文件以 GitHub 為中心，沒有為非技術使用者準備的精緻入門教學。
- DSL 是一門要學的新語言，而且不像視覺化建構器，它不會吸引想拖方塊的人。
常見問題
Finyuus 用來建立並執行可持久執行的 AI 工作流程。你以其縮排語言定義代理、工具、防護與核准，平台再把這些放到 Temporal 上執行，並給你版本控制、可觀測性，以及一組 API 讓你從自己的應用程式呼叫結果。毫無隱藏。
相關內容
探索與 Finyuus 相關的工具、技能與文章。
Finyuus 替代方案
Forefront
Forefront · 程式設計Forefront 是一個用來打造開源 AI 的網頁平台。你可以用自己的資料微調主流的開源語言模型、評估它們的表現，再透過 API 執行，或匯出後自行架設。想要封閉式平台的便利、卻堅持要自己擁有模型與資料的開發者，就是這裡的目標客群。
Startkit
StartKit.AI · 程式設計Startkit 是一套用來打造 AI SaaS 與 AI 包裝產品的樣板。可以把它想成一個 AI 新創樣板，把枯燥的部分都先接好了：驗證、Stripe 與 Lemon Squeezy 付款、用量限制、交易型電子郵件，以及一套能與 OpenAI、Anthropic、Groq 或 Llama 溝通的 AI API 啟動套件。你複製儲存庫、設定價格，然後專心在產品中使用者真正願意付費的部分。它建構於 React 與 Tailwind 之上的 Next.js，所以大部分的樣板程式碼對你來說並不陌生。
Testim
Tricentis · 程式設計Testim 是專為網頁、行動與 Salesforce 應用程式打造的 AI 測試自動化平台，用來建立並執行端到端測試。它靠機器學習在介面變動時維持測試穩定，團隊因此少花時間修補壞掉的定位器。對於一款今天就能開始使用的自動化測試工具來說，這表現不算差。你透過在瀏覽器錄製動作來建立測試，需要更多控制時再補上 JavaScript。對忙碌的 QA 團隊來說，這是個可靠的選擇。