用 pip 安装 PySpur 快速搭建 AI 智能体工作流并通过浏览器调试运行

方案简介

PySpur 是一个基于 Python 编写的 AI 智能体构建器，面向 AI 工程师，用于以可视化工作流的方式构建智能体，并支持逐步执行和检查过去的运行记录。

本方案是 PySpur 官方提供的最快上手路径：通过 pip install pyspur 安装，初始化项目目录后用一条命令启动自带 Web 界面的服务。默认使用 SQLite 数据库即可运行在 http://localhost:6080；若追求更稳定的体验，可在 .env 文件中配置 Postgres 实例的 URL。

方案支持超过 100 个 LLM 供应商、嵌入器和向量数据库，包括 OpenAI、Anthropic 等，可通过应用界面的 API 密钥标签页或手动编辑 .env 文件配置。适合希望快速搭建、测试驱动并迭代智能体工作流的 AI 工程师。

亮点与能力

• 测试驱动：构建工作流，运行测试用例，并进行迭代
• 人在环路中：持久化工作流，等待人工批准或拒绝
• 循环：具有记忆功能的迭代工具调用
• 文件上传：上传文件或粘贴 URL 来处理文档，支持 PDF、视频、音频、图像等
• 结构化输出：JSON Schema UI 编辑器
• RAG：解析、分块、嵌入并将数据更新到向量数据库
• 多模态：支持视频、图像、音频、文本、代码
• 工具集成：Slack、Firecrawl.dev、Google Sheets、GitHub 等
• 评估：在真实数据集上评估代理
• 一键部署：发布为 API 并在任意地方集成
• 供应商支持：支持超过 100 个 LLM 供应商、嵌入器和向量数据库

组成与分工

• PySpur：AI 智能体构建器核心，提供工作流编辑、调试、执行与部署能力
• Python：实现语言，要求 3.11 或更高版本；也可通过创建单个 Python 文件来添加新节点
• SQLite：默认数据库，开箱即用，用于持久化工作流和运行记录
• PostgreSQL：可选但推荐的数据库，通过 .env 配置 URL 以获得更稳定的体验
• OpenAI / Anthropic 等 LLM 供应商：为智能体提供模型能力，通过 API 密钥接入
• .env 文件：环境与密钥配置载体

前置要求

• Python 3.11 或更高版本
• pip 包管理器
• （可选，推荐）PostgreSQL 实例
• LLM 供应商 API 密钥（如 OpenAI、Anthropic）

实施步骤

1. 安装 PySpur

sh
pip install pyspur

2. 初始化新项目

sh
pyspur init my-project
cd my-project

这将创建一个包含 .env 文件的新目录。

3. 启动服务器

sh
pyspur serve --sqlite

默认情况下，这将使用 SQLite 数据库在 http://localhost:6080 启动 PySpur 应用。

4. [可选] 配置环境和添加 API 密钥

• 应用界面：导航至 API 密钥标签页添加供应商密钥（OpenAI、Anthropic 等）
• 手动配置：编辑 .env 文件（推荐：配置 postgres）并使用 pyspur serve 重启

使用与配置要点

• 启动后访问 http://localhost:6080 使用 PySpur 应用
• 在应用界面的 API 密钥标签页添加供应商密钥（OpenAI、Anthropic 等），或手动编辑 .env 文件配置后用 pyspur serve 重启
• 推荐：在 .env 中配置 Postgres 实例的 URL 以获得更稳定的体验
• 构建工作流后可运行测试用例进行迭代，逐步执行并检查过去的运行记录
• 完成后可一键发布为 API 并在任意地方集成

注意事项与常见问题

• Windows/PC 开发不支持，开发环境设置仅针对 Unix 类系统
• 默认 SQLite 适合快速上手，但官方推荐配置 Postgres 以获得更稳定的体验
• 手动开发设置（不用开发容器）需要额外配置，可能无法包含开发容器提供的所有功能

优缺点

• ✓ 一键安装快速上手
• ✓ 支持 100+ LLM 供应商
• ✕ Windows 开发不支持
• ✕ SQLite 默认体验欠稳定

出处

本方案挖掘自开源项目 PySpur-Dev/pyspur，方案内容与实施命令均来自其 README 原文。