Newshot

Show HN:Purple Flow – AI 优先的 n8n 替代方案,512MB 内存即可运行 1 万多个工作流

Translation(model translation, not the source's own text)

PurpleFlow

PurpleFlow 让 AI 构建自动化工作流如同 n8n 让人类构建一样简单。

它还被设计用于构建和编排 AI 集群,而这些 AI 集群又能构建和编排 AI 集群。(参见示例)

而且它的 UI 甚至有深色模式!

在线演示

Discord

PurpleFlow 画布截图
PurpleFlow 画布截图
PurpleFlow UI 截图
PurpleFlow UI 截图

人类撰写的介绍

嗨!我是 Lee Nathan。我是一名 AI 爱好者、自动化工程师和 AI 辅助软件架构师。这就是 Purple Flow,一个完美融合了这三者的项目。如果你认识可以用得上我服务的人,我很乐意聊聊。

https://leenathan.com/

</shameless_plug>

我全心全意地喜爱 n8n。它是一个了不起的工具,学得快、掌握得快,用起来既有趣又简单。

但是,就像有史以来的每一个解决方案一样,它也有局限性。对我来说,这些局限性是这样的:

  • 被精简的 AI Agent 输出(我想要完整的 OpenAI JSON)
  • 流式传输能力有限
  • AI 推理方面的挑战(训练数据不多,因为大多数教程都是视频;MCP 对轻量模型来说可能令人困惑)
  • 延迟问题
  • 在“只有我自己”和企业级之间(目前)每月 $960 没有自托管的中间档位
  • 没有企业版就没有 Git 版本控制
  • 可扩展性和许可方面的挑战(无法轻松地把你的解决方案变成 SaaS 或出售)

起源故事

于是我用 AI 辅助开发架构并构建了 PurpleFlow。它是对 n8n 的一个极简的、第一性原理式的重新构想,用 Elixir 打造。它从零开始构建,利用 OTP 的效率和可靠性。

这样做意味着我可以在 512MB 内存上运行 10,000+ 个并发工作流。这意味着 PurpleFlow 的内存效率是 n8n 的 200 倍。

docs/n8n_case_study.md

重新构想意味着什么

BEAM 是一个久经考验的 VM,旨在内存约束下管理尽可能多的进程。它通过让每个进程仅占几 KB 来高效地做到这一点。

OTP 是一套用于管理 BEAM 进程的标准和工具集合。它在 90 年代被用于维持 99.9999999% 的电话网络正常运行时间。全网范围的年度宕机时间以毫秒计。

Elixir 是当前基于 BEAM VM 和 OTP 的首选语言。Discord 依赖 Elixir 来维持他们常常达到 100% 正常运行时间的月份。

我选择在 Elixir 上构建 PurpleFlow,以利用 Elixir 和 Beam VM 的并发性、内存节省和速度。

PurpleFlow 节点在各自的进程中加载,这意味着得益于 BEAM VM,每个节点都快速轻量;得益于 OTP,它们能够失败而不会导致应用崩溃。简单工作流在个位数毫秒内完成。

我相信 PurpleFlow 的方法使其成为最适合代理集群和复杂自动化的工具,相比基于 JavaScript 和 Python 的解决方案,它的运行效率甚至比 SaaS 应用还高。

工作原理

所有工作流和节点都是纯文本 TOML 文件。便于代理进行推理,同时仍然人类可读。

大多数 n8n 节点是 API 的便捷封装。它们中的许多并不能覆盖所有用例,你最终还是得降到 http 请求。AI 可以轻松查找 API 并为其生成 http 请求,因此不需要便捷封装。取而代之,你会得到:

  • 触发器 webhook cron manual

写成 {{NAME_ab12cd34}} 形式的值是真实值的占位符。请完全按照写出的样子使用它们,无论回复还是工具调用中皆如此:它们会在任何东西运行之前被填入真实值。不要要求验证它们,也不要用示例替换它们。

文章标题:Show HN: Purple Flow – AI-first n8n alternative, 10k+ workflows on 512MB

正文:

  • nodes http - 你最信赖的 http 请求节点 ssh - 在其他机器上执行命令(并发送或获取文件) postgres - 目前只支持一种数据库;但 http 可以覆盖任何带有 REST 接口的东西 code - 只是对实际的 .exs 代码脚本的引用 batch - 将条目分组以便批量处理 wait - 让每个条目暂停一段时间或直到某个时间点 respond - 提前响应 webhook,同时运行继续进行 noop - 故意什么都不做 workflow - 调用子工作流以保持整洁和可复用 if/else - 其实并不是一个节点;流控制是工作流的自然组成部分
  • http - 你最信赖的 http 请求节点
  • ssh - 在其他机器上执行命令(并发送或获取文件)
  • postgres - 目前只支持一种数据库;但 http 可以覆盖任何带有 REST 接口的东西
  • code - 只是对实际的 .exs 代码脚本的引用
  • batch - 将条目分组以便批量处理
  • wait - 让每个条目暂停一段时间或直到某个时间点
  • respond - 提前响应 webhook,同时运行继续进行
  • noop - 故意什么都不做
  • workflow - 调用子工作流以保持整洁和可复用
  • if/else - 其实并不是一个节点;流控制是工作流的自然组成部分

入门

详细信息在 AI 撰写的部分中,但这里有一个更人性化的入门摘要。

  • 克隆仓库。
  • 在仓库内,将 .env.example 复制为 .env 并填写字段。如果你位于 Cloudflare 或其他代理之后,请设置 PURPLEFLOW_CLIENT_IP_HEADER。没有它,三次登录失败就会把所有人锁在外面。
  • 如果你位于 Cloudflare 或其他代理之后,请设置 PURPLEFLOW_CLIENT_IP_HEADER。没有它,三次登录失败就会把所有人锁在外面。
  • 让 workflows 文件夹成为它自己的仓库:git init workflows。这让你可以对工作流进行版本控制并保护它们。
  • 这让你可以对工作流进行版本控制并保护它们。
  • 将 samples 中的 AGENTS.md 复制到 workflows。可选地也复制 samples,以帮助你和你的得力代理理解细节。
  • 可选地也复制 samples,以帮助你和你的得力代理理解细节。
  • 运行 docker compose up -d --build
  • 访问 localhost:4000(或你的 PORT),使用你的 PURPLEFLOW_ADMIN_USERNAME 和 PURPLEFLOW_ADMIN_PASSWORD 登录。
  • 把你友好的邻里代理发送到 yourdomain.com/agents。如果你选择使用 MCP 连接,请使用 yourdomain.com/mcp。否则,它将需要 PURPLEFLOW_AGENT_TOKEN。有了这个令牌就拥有了巨大的权力;提醒你的代理要负责任。(Muse 有一个专用系统来让令牌远离你的代理之手,它与 PurpleFlow 配合良好;只是说说而已)
  • 如果你选择使用 MCP 连接,请使用 yourdomain.com/mcp
  • 否则,它将需要 PURPLEFLOW_AGENT_TOKEN。
  • 有了这个令牌就拥有了巨大的权力;提醒你的代理要负责任。
  • (Muse 有一个专用系统来让令牌远离你的代理之手,它与 PurpleFlow 配合良好;只是说说而已)
  • 你的代理现在可以构建将任何东西连接到任何东西的工作流,就像 n8n、Make、Zapier 等一样。

连接器在哪里?

唯一的问题是,你没有一堆用于连接器的便捷节点。但有了 AI,你就不需要它们了。只需让你的 AI 查找你想访问的任何 API 并创建你的工作流。

我喜欢使用这个简单的模式:

  • AI 使用一致的参数调用端点:{"body": {"endpoint": "list_all", "verb": "GET/POST/PUT, etc.", "parameters": {}}}
  • 一个规范化 code 节点解析请求体并将预期字段作为变量返回。
  • http 请求将变量插入到位。

这样做可以避免复杂的路由,也避免构建 500 个工作流/子工作流来匹配单个 API。

你可以在 Web 界面中创建凭证(对于任何你想保密的数据都有用)。将凭证名称传递给你的代理,以便在其流程中使用。

文章标题:Show HN: Purple Flow – AI 优先的 n8n 替代方案,512MB 上运行 10k+ 工作流

正文: 导入了一堆工作流?当它们使用的凭据名称尚不存在时,/credentials 页面搜索框下方会出现一个“创建 N 个缺失项”按钮。它会为每个缺失的凭据创建一个空凭据,并附上需要它的工作流说明,这样你只需填入值即可。

凭据也可以是 OAuth 登录(Gmail、Google Drive 等)。

凭据可以是 String(单行,默认)或 Text(保留换行的文本框),用于 SSH 私钥和证书之类的值。

懒加载你的技能

我在概念上喜欢 MCP,但在实践中不喜欢。许多服务在加载 MCP 连接时附带大量工具,并且在创建它们时没有考虑 AI 的能力。

我见过一个连接器有 70+ 个工具,这些工具常常依赖于从一个工具收集数据来调用另一个工具。而且这个过程并不总是在技能表中清晰地说明。

我一直成功使用 Sonnet 4.6 做各种智能体工作。但它在那个 MCP 上卡住了。

(话虽如此,Purple Flow 确实提供了一个 MCP 连接器以保持兼容性。但它的设计尽可能简单。我建议如果你用它连接,仍然要懒加载你的技能,而不是依赖大量 MCP。)

这就是为什么我更喜欢懒加载的技能。

我有一个数据库表,里面装满了 50+ 个技能。每个技能的名称与一个工作流完全匹配。这些技能彼此独立工作。技能告诉智能体该工作流做什么以及运行它需要什么。而且所有工作流都使用单个 params 对象,这样智能体就不需要为每个工作流推理特殊指令。

  • 技能名称:my-skill
  • 端点:/hook/my-skill

为了启动这个过程,我给智能体提供一个入门技能,包含如何访问技能表以及如何一般性地使用技能的信息。我还告知它查看技能列表,以便它知道自己能做什么。

就是这样!给你的智能体一个工具,并在系统提示中注入一个轻量技能。智能体可以调用该工具,按技能名称动态加载任何工作流。

保持会话简短并懒加载你的技能,以保持智能体敏锐并避免上下文腐化。

安全性

PurpleFlow 仍处于早期阶段,但安全性是重中之重。

在宣布 Purple Flow 之前,我对 N8N 多年来在安全性和其他问题上的挣扎做了一次事后分析。在 AI 的协助下,我在此研究之前就已经预见并构建了保护措施,这些措施本可以解决他们许多早期问题。之后,PurpleFlow 经过加固以解决其他几个问题。

工作流在本地存储和版本管理。一个运行 Dufs 的 Docker sidecar 可以访问工作流文件夹,并将其提供给智能体和 Web UI。该 sidecar 没有端口,也无法访问互联网或 Docker 网络的其余部分,而且即使从该网络内部也需要智能体令牌。它只能通过带有智能体令牌的 API 端点以及 Web UI 或(更安全的)MCP 桥接访问。

代码节点是纯 Elixir。它们也运行在一个专用 sidecar 中,无法外部访问、无互联网、无数据库、无凭据,并且对其自身文件系统只有只读访问权限。它们也无法挂载工作流。

凭据在 Postgres 中使用 PURPLEFLOW_SECRET_KEY 加密,其他两个 sidecar 均无法访问。

任何以纯文本传递的机密都有暴露风险,再高的安全级别也帮不了你。

我遇到的最大未解决安全问题是,代码节点代码可能在 sidecar 内与其他代码节点代码交互。如果有人传递文本机密,而其他节点代码看到了它们,这可能是个大问题。我想到的所有解决此问题的方案都需要更多内存或拖慢应用。目前,我认为效率优先于一个小的、难以利用的安全漏洞是前进的方向。

示例

包含示例以帮助你入门。以下是它们当前功能的列表:

  • 宣布数组中数字的大小
  • 发送电子邮件

文章标题:Show HN: Purple Flow – AI 优先的 n8n 替代方案,512MB 上运行 1 万+ 工作流

正文:

  • 创建一个递归的智能体集群框架,智能体拥有内部世界和外部世界,允许智能体通过生成 JSON 文件来启动子智能体集群
  • 抓取一些模拟用户数据
  • 把 ing 词变成 ong 词——ping 变 pong,ding 变 dong,fling 变 flong

免费如免费啤酒

我用 Opus 5.5 在 4 天内构建了这个应用的基础,使用了 Anthropic 给我的 80 美元免费额度来试用 Claude Cloud。随便用吧。我不是想靠这个赚钱。它采用 MIT 许可。你想怎么做就怎么做。

因为一切都归你所有,你可以构建完整的工作流分发给客户。你也可以按自己喜欢的方式管理版本控制。

因为这是构建在 BEAM VM 上的,你可以把工作流扩展到数万次同时执行,而内存占用不到 1GB。这意味着如果你愿意,你可以把一个方便的个人工具变成付费 SaaS。

AI 撰写的简介

一个基于 Elixir/OTP 的极简 n8n。工作流是 git 中的 TOML 文件。


        trigger (webhook / cron / manual)
  -> every step has a queue; the trigger's input goes into the first ones
  -> each step runs a node once per item: one item in, one output out
  -> a list output splits into items; each goes straight on to the next
queue
  -> nothing waits for a whole step: items flow, and nodes can stream
  -> concurrency, delay, and max_queue set each step's pace
  -> a failed item stops there (or takes a "failed" route, or ends the run)
  -> the run saves its records in batches, and a Kill button stops it
      

内置节点:HTTP 和 SSH(两者都可以流式传输)、Postgres、Code、Batch、Wait、Respond(提前响应 webhook)、OpenAI Chat(以 OpenAI 格式将聊天回答流式返回给调用方,这样聊天应用可以指向一个 webhook)、Noop,以及「运行另一个工作流」。Postgres 节点为每个数据库池化 10 个连接,并在没有查询一分钟后关闭它们;pool_size 和 idle_timeout(0 表示保持打开)可按步骤更改。Code 步骤的输入和步骤可达 64 MB,在 runner 上用 PURPLEFLOW_RUNNER_MAX_REQUEST 设置(单位 MB,0 表示无限制)。新的节点类型只是一个实现 execute(input, config) 的模块。

Webhook 可以接收文件上传,HTTP 步骤可以下载一个文件(response_file),SSH 步骤可以把命令的输出保存为文件(stdout_file),Postgres 步骤可以从 bytea 列读取文件(files)或写入文件(将文件引用作为参数)。文件随其运行一起保存(在独立卷中),步骤之间传递的是指向它的小引用,HTTP 步骤(body_file、form)或 SSH 步骤(stdin_file)可以将其发送出去,运行结束后文件被删除。每个文件最大可达工作流的 max_file_size(默认 100 MB,0 表示无限制)。参见 specs/190 和 specs/260。

UI(Phoenix LiveView)是一个单站点、单登录,带侧边菜单(小屏幕上是一个菜单按钮):

  • Workflows:所有工作流,带搜索框、其触发器、最后一次运行、指向其文件的链接,以及一个 Run 框。Run 框只接收请求体,运行会将其作为 input["body"] 接收,与来自 webhook 的相同。选择一个工作流可查看其运行记录(并可终止正在运行的运行),选择一个运行可查看每个步骤的队列、正在运行的内容、成功了多少,以及每次执行的输入和输出。
  • Files:工作流文件夹,可就地浏览和编辑。
  • Credentials:工作流按名称使用的密钥,可以是明文值或 OAuth 登录(连接一次,由应用保持新鲜)。通过 MCP 连接的应用(如 Claude)列在底部,每个都有一个 Disconnect 按钮。

在压力之下

文章标题:Show HN: Purple Flow – AI-first n8n alternative, 10k+ workflows on 512MB

正文: 同样的压力和故障测试,在 PurpleFlow 和 n8n 2.40.7 上运行:PurpleFlow 在 512 MB 以下的 Code runner 中,于 3.2 秒内同时运行了 10,000 个一秒钟的任务,而 n8n 需要 2 GB 才能运行 100 个。一个包含 100 个失败分支的运行在 PurpleFlow 上于半秒内完成;n8n 在第一个失败处停止,或者开启“continue on error”后,在 208 秒后溢出其调用栈。详细报告,每个数字都引用了一项测试,位于 docs/n8n_case_study.md;测试本身位于 samples/testing/。

运行它

运行 PurpleFlow 的受支持方式是 Docker Compose:


        mkdir -p workflows && git init workflows   # once, before the first `up`
docker compose up -d --build   # http://localhost:4000
docker compose down
      

生产环境强制使用 HTTPS,但对 localhost 和容器自身名称的请求除外:同一 Docker 网络上的其他容器可以直接调用 http://purple_flow:4000/hooks/...,无需绕道你的公共地址。

这会同时启动 PurpleFlow、Postgres、Code 节点运行器和文件服务,全部位于一个站点和一个登录之后:打开 http://localhost:4000 并使用 PURPLEFLOW_ADMIN_USERNAME / PURPLEFLOW_ADMIN_PASSWORD 登录。三次登录失败会将该地址锁定四小时(重启可解除)。Postgres 有健康检查,应用容器只有在检查通过后才会启动;迁移在启动时自动运行,如果应用死亡,容器会自行重启。如果应用挂起,它也会重启:当自身的 /health 停止响应时(三次检查失败,间隔 30 秒),看门狗会停止应用;Erlang 的 heart 会杀死完全冻结的 VM(在 60 秒后)。两者默认开启;PURPLEFLOW_WATCHDOG_INTERVAL=0 和 PURPLEFLOW_HEART=false 可关闭它们(其他设置见 specs/250)。Code 节点脚本在 runner 容器中运行,该容器没有机密、没有数据库、没有互联网,也无法访问应用(见 specs/100)。上传到 webhook 的文件存放在它们自己的卷 purple_flow_run_files 中,仅在运行结束前存在。有关要设置的环境变量,请参阅 docker-compose.yml 和 .env.example(SECRET_KEY_BASE、PURPLEFLOW_SECRET_KEY、PURPLEFLOW_ADMIN_USERNAME、PURPLEFLOW_ADMIN_PASSWORD、PURPLEFLOW_AGENT_TOKEN,以及可选的 PHX_HOST、DATABASE_URL、WORKFLOWS_PATH、PUID/PGID、PURPLEFLOW_CLIENT_IP_HEADER(如果前面有反向代理),以及 PURPLEFLOW_RUNNER_SUBNET(如果 runner 的默认网络 10.250.250.0/24 与你的某个网络冲突))。

工作流文件

工作流位于它们自己的文件夹中,默认是 workflows/(WORKFLOWS_PATH 可将其指向任何位置)。它是你的:此仓库忽略它,它应该是一个独立的 git 仓库。不会自动提交任何内容;你管理它的历史。

  • 应用只读取它(以只读方式挂载),并在约两秒内自行获取每个更改。没有重新加载步骤。如果编辑破坏了工作流,最后加载的版本会继续运行,Workflows 页面会说明这一点。
  • 人员和代理通过文件服务(dufs)编辑它,应用在其自己的登录之后提供该服务。人员在 UI 中使用 Files 页面(点击文件进行编辑;Ctrl/Cmd+S 保存)。代理使用 /fs/ 并带有 Authorization: Bearer $PURPLEFLOW_AGENT_TOKEN:普通 HTTP(PUT 写入文件、DELETE、GET /fs/folder/?json 列出)以及 WebDAV 用于将其挂载为文件夹。仅支持 Basic 认证的 WebDAV 客户端(Finder、Windows)可以改用管理员登录。Claude 和其他 MCP 应用在 /mcp 获得相同的文件作为工具(见下文“Claude over MCP”)。dufs 没有自己的端口,并且它永远不会看到文件夹的 .git。
  • 代理在应用上通过 GET /api/workflows 使用相同的令牌检查他们的更改:什么加载了、什么没有加载以及为什么。
  • 子文件夹是组。任何带有 workflow.toml 的文件夹都是工作流,无论深度如何,Workflows 页面按文件夹列出它们。名称在所有文件夹中保持唯一。
  • 步骤的节点和 Code 节点的文件必须保持在文件夹内:仅相对路径,仅相对符号链接。

创建文件夹并在其中运行 git init,然后再第一次执行 docker compose up。否则 Docker 会创建它,以及它那个由 root 拥有的空 .git。

  • 注释是给人看的。workflow.toml 顶部的注释会显示在 Workflows 页面上,每个工作流的 Canvas 按钮会把它显示为指向方框的方框:每一步一个,从上到下,标有它的种类、名称,以及它步骤文件顶部的注释。拖动(手指或鼠标右键)来移动,捏合或滚动来缩放。点击一个方框会打开它的步骤文件,或者,对于 Workflow 步骤,打开另一个工作流的画布。agent guide 要求 agent 编写这些注释。

参见 specs/090、specs/110 和 specs/210。

邀请 agent

在工作流文件夹顶部放一个 AGENTS.md,说明如何在那里工作。应用会在 /agents 提供它,无需登录,并将其中的每个 BASE 替换为站点地址(来自 PHX_HOST)。要引入任何 agent,给它该链接和你的 PURPLEFLOW_AGENT_TOKEN。该 token 让它读取和写入工作流文件并检查加载了什么,仅此而已:没有 UI、没有运行历史、没有凭据。

通过 MCP 使用 Claude

Claude(在网页、手机和桌面上)可以作为连接器访问工作流文件夹。在 Claude 的连接器设置中,添加一个自定义连接器,地址为 https://<your PHX_HOST>/mcp。Claude 会把你送到 PurpleFlow 登录,然后询问“Claude 想要读取和更改你工作流文件夹中的文件。”点击 Allow,Claude 就会把文件服务作为工具使用:list、search、read、stat、hash、write、append、mkdir、copy、move 和 delete,每个都是一个 dufs 请求。

  • PurpleFlow 自己完成登录,使用自己的登录系统。无需注册,也没有第三方。
  • 已连接的应用列在 Credentials 底部,每个都有一个 Disconnect 按钮,可立即切断连接。
  • Claude Code 和其他能发送 header 的客户端可以跳过登录:将它们指向 /mcp,并带上 Authorization: Bearer $PURPLEFLOW_AGENT_TOKEN。
  • 地址必须是公开的 https,因为 Claude 从其自己的服务器连接。允许一个应用会赋予它 agent token 所赋予的权限:它可以写入工作流,而工作流可以使用你的凭据。

python3 test/deployed/mcp_check.py 会针对运行中的 stack 检查这一切。参见 specs/270。

本地开发

在没有 Docker 的本地开发中,你需要 Elixir 和 Postgres(开发登录 postgres / postgres,位于 localhost):


        mix setup          # install deps, create the database
mix test
mix phx.server      # http://localhost:4000
      

在 Docker 之外没有 runner 容器,因此 Code 节点脚本会在应用自己的 VM 内运行,没有隔离。应用在启动时会记录一条警告说明这一点。也没有文件服务:直接编辑 workflows/,Files 页面会说明这一点。没有设置管理员登录时,UI 是开放的。

  • 工作流位于 workflows/(见上文“Workflow files”),在开发环境中那里的编辑也会自行加载。带注释的示例位于 samples/:hello(webhook,按项路由)、users(HTTP,按项)、ping、gmail(使用 OAuth 凭据发送电子邮件)和 purple-goo(一个递归的 AI agent 社会,带有自己的 specs 和 tests);samples/testing/ 存放压力测试。将一个复制到 workflows/ 中以试用。samples/AGENTS.md 是放在工作流文件夹顶部供来访 agent 使用的指南。
  • 凭据在 /credentials 设置,并作为 {{ creds.NAME }} 使用。参见 specs/080,对于 OAuth,参见 specs/200。连接 OAuth 会将浏览器送回本站点地址(PHX_HOST)上的 /credentials/oauth/callback,因此该地址必须是提供商接受的地址。

设计在 specs/ 中。

Purple Goo

Purple Goo 将 PurpleFlow 变成一个聊天端点,其中每个答案都可以来自一个 agent 社会:monads 在顶层那个说话之前思考,将工作流作为工具运行,并启动它们自己的 swarms。它是三个工作流。要安装它,请将它们(及其文档)从示例复制到工作流文件夹中:

文章标题:Show HN: Purple Flow – AI-first n8n alternative, 10k+ workflows on 512MB

正文:


        mkdir -p workflows/purple-goo
cp -r samples/purple-goo/{goo,goo_map,goo_chain,specs,skills,README.md} workflows/purple-goo/
      

远程安装时,改为通过 /fs/ 写入同样的文件(见上文“Workflow files”)。然后:

  • 在 /credentials 设置 OPENROUTER_API_KEY 凭据,或将每个请求的 metadata._meta.provider_url 指向另一个 OpenAI 兼容的 API。
  • 在 Workflows 页面或 /api/workflows 检查 goo、goo_map 和 goo_chain 是否已加载。
  • 将聊天应用指向基础 URL /hooks/goo/v1,或直接试一下:

        curl -N -X POST localhost:4000/hooks/goo/v1/chat/completions \
  -H 'content-type: application/json' -d '{
  "model": "deepseek/deepseek-v4.1-flash",
  "messages": [{"role": "user", "content": "Should I learn to sail?"}],
  "metadata": {"monads": [{"personas": ["You love adventure."]}, {"personas": ["You worry about safety."]}]}}'
      

goo webhook 没有鉴权,所以任何能访问到它的人都能用你的 provider key 运行 swarm。请让它远离公网,或把它放在你自己的网关后面。如何构建 swarm 见 samples/purple-goo/README.md,面向 agent 的技能说明见 samples/purple-goo/skills/swarm-json/SKILL.md。其测试可在检出代码并启动应用后运行:samples/purple-goo/check.sh。

License

MIT =C2=A9 2026 Lee Nathan

像 {{NAME_ab12cd34}} 这样写的值是真实值的占位符。请在回复和工具调用中都完全按原样使用它们:它们会在任何内容运行之前被替换为真实值。不要要求验证它们,也不要用示例替换它们。

The translation is machine-generated and individual terms may be off. Nothing is rewritten or cut; the original is authoritative.

Published by HN AI
This site only summarises and aggregates; copyright stays with the original author. Headlines and summaries follow the source — where they differ, the original wins.
Read the original ↗