嘿，我开发了个性感的 AI 框架 Tinyflow，看看？

阅读《2024 中国开源开发者报告》赢大奖，扫码申请享特权

大家好，我是开源海哥呀。

在过去的时间里，我开发了许多不同类型的框架或产品。

比如

• AIEditor： 一个面向 AI 的下一代富文本编辑器（GVP 项目）

• Agents-Flex：一个 JAVA 的 LLMs 开发框架（GVP 项目）

• MyBatis-Flex：一个 MyBatis 的增强框架...

还有其他额外的一些 GVP 产品或者框架，比如 JPress、Jboot 等。

 

今天，我说的性感的 AI 框架，是最近刚刚发布的一个全新的 AI 框架 Tinyflow。

在人工智能急速发展的今天，AI 工作流编排功能已经成为了刚需。与此同时，市场上也出现了许多已经获得成功的产品，比如 Coze、Dify 等。

但我认为：Coze 和 Dify 并不是 AI 工作流的最终形态，AI 工作流应该是和业务紧密结合的。

也就说：

AI 工作流应该被嵌套、整合在成熟的业务系统中，与现有功能和业务紧密结合，才能发挥出 AI 的最大价值。

比如一个传统的 CRM 集成 Tinyflow，就能成为了 CRM 快速成为灵活功能的 AI CRM。同理，一个传统的 ERP 集成 Tinyflow，就能快速的成为 AI ERP, 以此类推...

因此，从技术角度来讲，这就对 Tinyflow 有诸多的要求：

• 1、Tinyflow 支持与 VUE、React 等所有前端框架集成。

• 2、Tinyflow 不能依赖于任何 UI 样式框架，否则在集成的时候，可能会与当前产品的 UI 框架产生冲突。

• 3、Tinyflow 应该支持 Java、Nodejs、Python 等不同的编程语言，以方便不同的编程语言的后端进行执行。

• 4、在中国的环境下，Java 应该支持 JDK8 起步，不受限于任何编程框架，比如不应该受限于 Spring 等。

因此，Tinyflow 最终使用了一下的技术路线。

在前端上，支持所有前端开发框架？

Tinyflow 基于 Web Component 开发；

不适用任何 UI 样式？

那就自己写一套小型的 UI 组件呗。

支持 Java JDK8 起步？

使用 Agents-Flex 嘛

支持 Nodejs 和 Python？

已有成熟 SDK 可以使用

所以，Tinyflow 的设计初衷就是：简单、灵活、无侵入性 。它不是要取代现有的业务系统，而是要成为这些系统的“智能大脑”，帮助它们快速升级为 AI 驱动的下一代应用。

为什么说 Tinyflow 是“性感”的？

你可能会问，为什么我会用“性感”这个词来形容一个技术框架？

其实，性感并不是指它的外观有多好看，而是指它的设计理念和使用体验让人感到舒适、自然，甚至有点“撩人”。

让我来解释一下：

轻量级，但功能强大

Tinyflow 不追求大而全，而是专注于解决核心问题——让 AI 工作流与现有业务无缝结合。它的代码库非常轻量，学习成本低，但功能却一点也不含糊。无论是简单的任务编排还是复杂的多模态推理，Tinyflow 都能轻松应对。

极高的自由度

Tinyflow 不会强迫你改变现有的技术栈，也不会对你的开发习惯指手画脚。无论你是前端开发者、后端工程师，还是数据科学家，都可以在自己的领域里找到最适合的切入点。我希望这种“不打扰”的设计哲学，能够让开发者觉得很舒心。

面向未来的设计

Tinyflow 的架构是模块化的，这意味着它可以随着你的业务需求不断扩展。比如，今天你只需要一个简单的文本生成流程，明天可能需要加入语音识别或图像处理。Tinyflow 的插件机制可以让你随时添加新功能，而不需要推倒重来。

开发者友好

我知道很多开发者都讨厌那些文档晦涩、配置繁琐的工具。所以在设计 Tinyflow 时，我特别注重了开发者体验。它的 API 设计直观易懂，文档清晰明了，还提供了丰富的示例代码。即使是新手，也能快速上手。

实战案例：如何用 Tinyflow 改造传统系统？

为了让大家更直观地理解 Tinyflow 的价值，我举个例子吧。

假设你是一家电商公司的技术负责人，你们有一个老掉牙的订单管理系统（OMS），每天都要手动处理大量的退货申请。这不仅效率低下，还容易出错。

于是，你想通过 AI 来优化这个流程。

传统做法：

你需要找一个专门的 AI 平台，比如 Coze 或 Dify。 然后把订单数据导出来，上传到这个平台。

再编写一些规则或者 prompt 让 AI 进行分析，最后再把结果导入回你的 OMS。

整个过程复杂、耗时，而且每次更新都需要重复一遍，而且，可能会有数据泄露的风险。

使用 Tinyflow 的做法：

你只需要在现有的 OMS 中集成 Tinyflow。

在 Tinyflow 中定义一个工作流：当用户提交退货申请时，AI 自动分析退货原因，并根据历史数据判断是否批准。

如果需要人工介入，Tinyflow 还可以自动生成工单并通知相关人员。

最重要的是，这一切都在你的 OMS 内部完成，无需额外的数据迁移或第三方平台。

听起来是不是很酷？这就是 Tinyflow 的魅力所在:

它不是独立存在的，而是融入你的业务中，默默地提升效率。

当前进展和未来规划

目前，Tinyflow 已经发布了第一个版本（v0.0.1）。虽然功能还不算特别丰富，但已经可以跑起来啦。

另外：社区的反馈也非常积极，很多开发者表示 Tinyflow 的设计理念正好击中了他们的痛点。

接下来，我们计划在以下几个方向继续发力：

• 1、更多的内置组件

比如支持更多类型的 AI 模型（NLP、CV、语音等），以及常用的企业服务节点（合同审核、邮件短信推送、支付相关等等）。

• 2、更多的后端执行感知能力

在后端的执行上，我们会继续在实时监控与日志追踪、性能指标与统计分析、异常检测与自动恢复、动态扩展与负载均衡等方面持续跟进和努力。

• 3、国际化支持

目前 Tinyflow 的文档和社区主要面向中文用户，但我们已经开始筹备英文版，希望能让全球的开发者都能享受到它的便利。

• 4、生态建设

我们鼓励开发者贡献插件和扩展，共同打造一个繁荣的 Tinyflow 生态圈。

结语

总的来说，Tinyflow 是一个 “小而美” 的项目，但它背后承载着我对 AI 技术未来的思考。

我相信，AI 的真正价值并不在于炫酷的技术本身，而在于它能否真正服务于我们的日常生活和工作。

如果你对 Tinyflow 感兴趣，欢迎访问我们的 Gitee 或者 GitHub 仓库：

• Gitee：https://gitee.com/tinyflow-ai/tinyflow

• Github：https://github.com/tinyflow-ai/tinyflow

或者加入我们的社区讨论。我也非常期待听到你的意见和建议，毕竟开源项目的成长离不开每一位用户的参与！

好了，今天的分享就到这里啦！如果你觉得这篇文章对你有帮助，别忘了点个赞或者转发给更多朋友啦～