julep

让AI任务崩溃不丢进度，自动恢复并全程可追溯

Julep 是一个面向生产环境的持久化、可组合 AI 智能体框架。它解决的核心问题是：传统智能体在长流程执行中一旦崩溃或出错，往往需要从头重跑，且难以追踪每一步的决策过程。Julep 通过引入持久化执行流（durable flows），让智能体任务可以中断后自动恢复，支持安全重试，并记录每个步骤的详细日志，实现完全可解释。其核心能力包括：内置记忆管理（长期与短期记忆）、任务编排与状态持久化、多步骤工作流设计、以及基于 Python 和 Node.js 的双语言 SDK。开发者可以用它构建复杂的、需要长时间运行的自动化任务，如数据处理流水线、多阶段客服对话、或需要人工介入审批的业务流程。Julep 强调生产级可靠性，适合对任务执行稳定性和可审计性有高要求的场景。

开源 unknown 智能体

访问官网 ↗ GitHub ↗ 文档 ↗

GitHub 星标 ★ 6582

维护状态维护中

是否开源是

定价模式 unknown

项目数据

分类智能体

开发团队julep-ai

所属国家

官网地址https://docs.julep.ai

GitHubhttps://github.com/julep-ai/julep

定价模式unknown

价格说明定价信息待确认

访问状态

是否开源是

开源协议Apache-2.0

主要语言Python

技术栈/模型agents,ai,ai-agents,ai-agents-framework,ai-memory,ai-platform,aiagents,developer-tools,devfest,llm,llm-ops,node,node-js,nodejs,python

GitHub 星标★ 6582

30天Star增速

HF 下载量

上线时间2024-04-04 00:00:00

最近更新2026-09-22 00:00:00

维护状态维护中

中文支持

访问方式

移动端支持

综合评分

收录时间2026-08-09

浏览次数3

使用教程

难度：入门约 10 分钟部署方式：库/依赖 4 步

环境要求

Python 环境（可运行普通 Python 脚本）
已安装 pip
无需 API key（快速开始走 dry_run 本地执行）
Julep 3 目前为 release candidate，安装时需加 --pre

安装与启动步骤

1安装 Julep

安装基础包。因为 Julep 3 还是候选版本，必须带 --pre 参数，否则装不到；等 3.0.0 正式发布后可去掉。
```
pip install --pre julep
```
2编写快速开始脚本

把 README 的示例代码（定义 tool、pure、Reasoner 和 @flow）保存为普通 Python 脚本，例如 triage.py。注意示例较长且部分被截断，需按 README 完整补全。
3运行脚本

像运行普通 Python 脚本一样执行，deploy().dry_run() 会在本地用内存工具和确定性 fake reasoner 跑通整条流程，不消耗模型调用。
```
python triage.py
```
4查看更大示例

README 指向仓库中的 examples/episode_summary_flow.py 和 examples/cluster_labeling_flow.py，可参考其中的 @flow 写法以及 snapshot 型 MCP 读写示例

关键配置

配置项	必填	说明	示例
`model`	是	Reasoner 使用的模型标识，写在 Reasoner(name=..., model=...) 中	`anthropic:claude-haiku-4-5-20251001`
`system`	否	Reasoner 的系统提示词，决定输出风格与格式要求	`Draft one concise support reply as JSON.`
`tools`	是	deploy(...) 时冻结的工具面，只能调用这里注册过的工具	`tools=[lookup_ticket]`
`reasoners`	是	deploy(...) 时冻结的 Reasoner 面	`reasoners=[support_reply]`
`retries / timeout_s`	否	在 @flow 内为工具或 think 步骤设置重试次数与超时秒数	`lookup_ticket(ticket, retries=2, timeout_s=5)`

如何确认成功

脚本运行结束并打印出 dry_run 的 result.value，例如 "billing: Use the duplicate-charge runbook."，说明流程在本地跑通。

常见问题

Q：为什么直接 pip install julep 装不上？

A：Julep 3 目前是 release candidate，必须用 pip install --pre julep 才能装到；等 3.0.0 正式发布后 --pre 可去掉。

Q：跑快速开始需要 API key 吗？

A：不需要。示例用 deployment.dry_run(...) 在本地执行，工具是内存实现，Reasoner 用 fake_support_reply 这样的确定性假函数替代。

Q：流程崩溃或工具报错怎么办？

A：Julep 的 flow 是持久化数据流，可中断后恢复、安全重试，并可通过推导投影解释每一步；在 @flow 内也能直接给步骤加 retries 和 timeout_s。

Q：怎么接入 MCP 工具？

A：在 @flow 内用 mcp_tool(server, tool) 声明 MCP 引用，其 schema 和行为契约来自冻结的 MCP 快照，关键字参数直接构成输入记录。

Q：哪些语法是定义期行为而不是运行时行为？

A：@flow 只在定义时用数据句柄运行一次；注册工具、注册 pure、think、cond、switch、each、reschedule 都是往图里追加步骤，| 用于合并记录，h["key"] 用于取字段。

注意事项

纯核心无额外依赖，Temporal 层是可选的，入门阶段不必安装。
README 只给出 Python 侧的 pip 安装命令，Node.js SDK 的安装方式未在节选中说明。
示例代码在 README 中不完整，建议以仓库 examples/ 下的完整文件为准。
deploy(...) 会冻结工具与 Reasoner 面，模型未被显式允许调用的工具会被拒绝。

核心亮点

持久化执行流，任务中断后自动从断点恢复，无需重跑
内置记忆管理，支持长期与短期记忆，增强上下文连贯性
提供Python和Node.js双SDK，方便不同技术栈集成

不足之处

文档/社区待观察
项目较新，生态和第三方集成尚不成熟

适用场景

构建需要长时间运行且要求高可靠性的数据处理流水线
开发多轮对话客服系统，需持久化会话状态和记忆
实现带人工审批环节的自动化业务流程，如订单审核

替代项目

LangChain、AutoGen、CrewAI

项目介绍

julep 是智能体领域的开源项目，由 julep-ai 开发，2024 年首次发布。

在全站 13,090 个收录项目中，它的 GitHub 星标数（6,582）位列前 7%，在智能体分类的 2,517 个项目里位列前 7%。

项目仍在小幅维护中，最近一次代码更新于 2026-09-22。从国内网络环境看，可直接访问。

它主要面向的使用场景是：构建需要长时间运行且要求高可靠性的数据处理流水线。同类可对比的替代方案包括 LangChain、AutoGen、CrewAI。

上一篇：stackql

下一篇：llm-wiki-newsroom