README_CN.md

PySpur - 基于图形的 LLM 工作流编辑器

hero.mp4

✨ 核心优势

模块化构建单元

blocks.mp4

在节点级别进行调试：

visualization.mp4

评估最终性能

evals.mp4

即将推出：自我改进

optimization.mp4

🕸️ 为什么选择 PySpur？

• 易于扩展：例如，只需创建一个 Python 文件就能添加新的工作流节点。
• 使用 JSON 配置 进行工作流图管理，轻松共享和版本控制。
• 轻量级：通过最少的依赖，避免臃肿的 LLM 框架。

⚡ 快速开始

通过以下三步快速启动并运行 PySpur。

1. 克隆代码仓库：

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

2. 启动 docker 服务：

   sudo docker compose up --build -d

   这将启动本地的 PySpur 实例，并在本地的 SQLite 文件中保存 spurs 以及运行记录。

3. 访问界面： 在浏览器中打开 http://localhost:6080/。

   输入 pyspur/canaryhattan 作为用户名和密码。

4. 添加你的 LLM 提供商密钥：

   在界面右上角找到设置菜单

   

   选择 API keys 选项卡

   

   输入你的提供商密钥，然后点击保存（当你添加或修改密钥后，保存按钮将会出现）

   

设置完成。点击 "New Spur" 来创建一个新的工作流，或者从现有的模板开始。

🗺️ 路线图

• 画布
• 异步/批量执行
• 评估 (Evals)
• Spur API
• 新节点
  • LLM 节点
  • 条件分支 (If-Else)
  • 分支合并 (Merge Branches)
  • 工具 (Tools)
  • 循环 (Loops)
• 使用 DSPy 等方法对管道进行优化
• 模板
• 将 Spurs 编译为代码
• 多模态支持
• 对代码验证器进行容器化
• 排行榜 (Leaderboard)
• 使用 AI 自动生成 Spurs

我们非常期待你的反馈。
请告诉我们 你希望接下来看到哪些特性，或是提出全新的想法。