tongflow

拖拽画布串起多模态 AI,一句话生成完整工作流

开源 unknown 自动化工作流
访问官网 ↗ GitHub ↗ 文档 ↗
GitHub 星标 ★ 1050
维护状态 活跃
是否开源 是
定价模式 unknown

项目预览

项目数据

分类自动化工作流
开发团队tong-io
所属国家
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AGPL-3.0
主要语言TypeScript
技术栈/模型3d,agent,ai,ai-tools,aigc,canvas,deepseek-harness,document,dsh-plugin,genai,generative-ai,image,link,multimodal,studio,tongflow,video,voice,workflow
GitHub 星标★ 1050
30天Star增速
HF 下载量
上线时间2026-04-08 00:00:00
代码更新—
仓库体积—
本站数据更新—
维护状态活跃
中文支持
访问方式
移动端支持
综合评分
收录时间2026-10-19
浏览次数0

项目介绍

tongflow 是一个以模态优先(Modality-First)为设计理念的生成式 AI 平台,用 TypeScript 构建,面向需要把文本、图像、3D、文档等多种模态串成自动化流程的团队。它把 AI Agent、画布式编排、多模态生成能力整合在一个 Studio 里,用户可以在可视化画布上拖拽节点搭建工作流,接入 DeepSeek 等模型与插件,完成从内容生成到文档处理、链接抓取的端到端任务。相比单纯调用 API 的脚本方案,它解决的是多模态任务分散、编排门槛高、结果难以复用的问题,提供统一的工作台与插件机制,让非工程用户也能组合生成式 AI 能力,快速产出可迭代的自动化流水线。

Star 增长趋势

本站每日记录该项目 GitHub 星标变化,观测越久曲线越完整

正在加载星标数据…

技术标签

使用教程

—

难度:入门 约 15 分钟 部署方式:Docker 7 步

环境要求

  • 已安装 Docker(使用 Compose 方式还需 docker compose)
  • 首次安装插件需能访问 GitHub 与 PyPI 的网络
  • 使用示例工作流需注册 Modal 账号并获取 Token
  • 若改用源码运行,需 Node + pnpm 以及 PATH 中的 Python 3.10+

安装与启动步骤

  1. 1启动容器

    一条命令拉起自托管镜像,数据与插件目录挂载到命名卷,端口仅绑定本机 127.0.0.1

    docker run -d -p 127.0.0.1:3000:3000 
      -v tongflow-data:/data -v tongflow-plugins:/plugins 
      ghcr.io/tong-io/tongflow:latest
  2. 2获取登录链接

    容器启动后会把带 token 的登录链接打印到日志,首次打开用它完成登录

    docker logs $(docker ps -lq)
  3. 3打开画布

    浏览器访问日志中的地址即可看到可视化画布,自托管环境会预载一个示例工作流

  4. 4填写模型密钥

    可选。在应用内 Settings 对话框填 API Key,或启动时用 -e 传入;不填也能先打开界面

    docker run -d -p 127.0.0.1:3000:3000 
      -v tongflow-data:/data -v tongflow-plugins:/plugins 
      -e OPENROUTER_API_KEY=sk-xxxxxxxx 
      ghcr.io/tong-io/tongflow:latest
  5. 5安装插件

    镜像不含插件,点右上角方块图标打开插件管理器安装,装完立即可用无需重启

  6. 6装示例所需插件

    跑预载示例(文→图→融合→视频)需装 tongflow-modal-z-image、qwen-image-edit、minimax-h3 三个插件

  7. 7运行示例工作流

    逐节点运行,或切到 Execute Mode 点运行按钮一键跑完整条流程

关键配置

配置项必填说明示例
TONGFLOW_AUTH_TOKEN否自定义访问 token,供远程访问时校验身份my-secret-token
OPENROUTER_API_KEY否OpenRouter 模型调用密钥,可在 Settings 或启动参数中设置sk-xxxxxxxx
OPENAI_API_KEY否OpenAI 模型调用密钥,可在 Settings 或启动参数中设置sk-xxxxxxxx
GEMINI_API_KEY否Gemini 模型调用密钥,可在 Settings 或启动参数中设置AIzaSy-xxxxxxxx
MODAL_TOKEN_ID否Modal 账号 Token ID,Modal 系插件必需ak-xxxxxxxx
MODAL_TOKEN_SECRET否Modal 账号 Token Secret,与 Token ID 配对使用as-xxxxxxxx

如何确认成功

浏览器打开日志中 http://localhost:3000/?token=… 链接,能加载出画布并看到预载示例工作流即成功。

常见问题

Q:macOS 首次启动提示「TongFlow is damaged」怎么办?

A:官方构建尚未经过 Apple 公证。把应用拖到 Applications 后,执行 xattr -cr /Applications/TongFlow.app 清除一次隔离标记即可正常打开。

Q:第一次装插件很慢或失败?

A:首次运行会为插件创建共享 Python venv(/data/.tongflow/plugin-venv)并从 PyPI 安装依赖,需联网且耗时较长;请确保容器可访问 GitHub 与 PyPI。

Q:能从别的机器访问吗?

A:默认只监听 localhost。需设置 TONGFLOW_AUTH_TOKEN,以 -H 0.0.0.0 启动,并首次访问 http://:3000/?token=。

Q:必须配置 API Key 吗?

A:不是必填。密钥可留空,在应用内 Settings 对话框或项目 .env 中按需补充即可。

Q:不想用 docker run 有别的启动方式吗?

A:可用仓库自带 docker-compose.yml 执行 docker compose up -d,或自行 docker build -t tongflow . 构建镜像;也可用 pnpm install、pnpm plugins:install、pnpm start:prod 源码运行。

注意事项

  • 所有可写数据(SQLite 数据库、上传文件、设置)都在 /data 卷中,重建容器前注意备份该卷。
  • 镜像本身不含任何插件,插件需从应用内插件管理器安装,且首次安装依赖网络。
  • 使用 Modal 系插件除了 Token 外还需 Modal 账号(每月含最高约 30 美元免费 GPU 额度)。
  • 项目采用 AGPL-3.0 许可证,商用或二次分发前请确认合规要求。

核心亮点

  • 画布式可视化编排,多模态节点(文本/图像/3D/文档)可自由组合成流水线
  • 内置 Agent 与插件机制(dsh-plugin),便于扩展模型和外部工具
  • 以模态优先组织能力,适合跨文本、图像、3D 的复合生成任务

不足之处

  • 项目仍处成长阶段,插件生态和模板数量有限
  • 多模态与 3D 能力对算力和模型接入配置要求较高,上手成本不低

适用场景

  • 营销团队批量生成图文素材并自动归档成文档
  • 产品团队用画布快速原型化 AI 内容生产流程
  • 开发者基于插件体系搭建私有化多模态生成工作台

替代项目

n8n、Dify、ComfyUI

上一篇:AIHOT

下一篇:scout

同类项目推荐

n8n 开源

拖拽搭建自动化流程,轻松接入 AI 与 400+ 应用,搞定重复工作。

Fair-code workflow automation platform with native AI capabilities. Combine visual b···

★ 207874 2026-08-10
EasyCLIProxyAPI 开源

图形界面一键配好 AI 代理,省去手写配置文件

A desktop GUI for CLIProxyAPI and a tool for automatically configuring popular AI ag···

★ 3007 2026-09-22
puppeteer 开源

用 JavaScript 轻松操控无头浏览器,搞定自动化测试与网页抓取。

JavaScript API for Chrome and Firefox

★ 95714 2026-08-10
feishu-docx 开源

让 AI 代理轻松读写飞书文档,双向转换 Markdown

Feishu/Lark Docs、Sheet、Bitable <-> Markdown | AI Agent-friendly knowledge base exp···

★ 267 2026-08-09