Flovart：AI 视频制作的画布自动化工具

从一张白纸到一部短片：画布上的 AI 革命

想象一下：你在一个类似 Figma 的无限画布上，把几段素材拖进来，连上线，选择一个 AI 模型——然后一键生成一段带转场、配乐的短片。这不是科幻，这是 Flovart 正在做的事。

Flovart 是一个"画布上的 AI 视频制作系统"，作者用一句话概括它的定位：补充画布自动化领域的缺失。在这个赛道上，Notion 搞文档自动化、Zapier 搞工作流自动化，但当你想把 AI 生成能力编排进一个视觉化的创作流程时——此前几乎是空白。Flovart 试图填补这个空白。

背景故事：一个开发者的"造轮子"冲动

Flovart 诞生于 2025 年 10 月，由独立开发者 avabbbb 创建。从 commit 历史来看，项目极为活跃——创建至今不到 10 个月，已累计超过 230 次提交，且最近一次提交就在 13 小时前。作者在 commit 中多次署名"avabbbb and claude"，说明 Claude Code 是其主力开发搭档，妥妥的 AI 原生开发模式。

项目名称取自 "Flow"（流程）+ "Canvas"（画布）的混合，既有流式编排的意味，也有可视化的直观感。License 采用 AGPL-3.0，明确要求衍生作品必须开源——这对于一个工具平台来说颇为强硬，但也体现了作者对开源生态的承诺。

核心能力：三种协作模式的画布

Flovart 的架构围绕三种角色展开：

1. Workflow（工作流）：这是 Flovart 的核心。你可以把素材、生成节点、AI 模型、输出结果全部放在同一张画布上，用连线表达它们之间的依赖关系。节点可以是本地的视频文件，也可以是远程 AI 模型的推理调用。

2. Table（表格）：在工作流之上，提供结构化数据管理能力，适合管理资产清单、提示词模板等。

3. Agent（智能体）：内置 Agent 协作面板，支持 Claude Code、Codex 等 AI 编程工具直接对接。Agent 可以读写工作流、调用工具，真正实现"AI 帮你编排 AI 生成"。

支持的 AI 模型包括 seedance、banana2、gpt-image-2 等（用户自备 API Key），这意味着 Flovart 本质上是一个调用第三方 API 的编排层，而非自训练模型。

技术架构：React + Rust 的全栈方案

前端：React 19 + TypeScript + Vite

项目前端采用当前最新的 React 19，搭配 TypeScript 5.8 和 Vite 6 构建工具，标准的新一代 Web 开发栈。UI 层引入了多个重型依赖：

• TiTok：富文本编辑器（基于 Tiptap）
• Excalidraw：白板/画布组件，Flovart 的画布能力很大程度上依托于它
• @huggingface/transformers：在浏览器端运行 transformer 模型（推测用于本地 AI 推理）
• @ffmpeg/ffmpeg：浏览器端视频处理
• Tauri：桌面客户端框架（Rust 后端），提供原生桌面体验

后端：PostgreSQL + Node.js + 企业版服务

docker-compose 显示 Flovart 包含三个后端服务：

• hub：主后端服务，Node.js，端口 11452
• enterprise：企业版后端，端口 11453
• db：PostgreSQL 16 数据库，端口 5433

这种分离式设计暗示 Flovart 在探索某种商业化路径——社区版（hub）和企业版（enterprise）并行开发。JWT 认证支持，数据持久化到 PostgreSQL。

桌面端：Tauri 客户端

src-tauri/ 目录表明项目支持 Tauri 桌面客户端，React 前端直接嵌入 Rust 原生壳，可在 Windows/macOS/Linux 上以原生窗口运行，体验优于纯 Web 版。

部署体验：一条命令搞定

Flovart 提供了开箱即用的 docker-compose：

git clone https://github.com/avabbbb/Flovart.git
cd Flovart
docker-compose up

四个容器（db + hub + enterprise + web）自动启动，健康检查确保数据库就绪后才启动依赖服务。前端 Vite 开发服务器支持热更新（CHOKIDAR_USEPOLLING=true），本地开发体验友好。

没有 Docker 环境？也可直接 npm run dev 启动开发服务器，或下载 Tauri 桌面版。

亮点与局限

亮点：

• 真正融合了画布和 AI 编排：不是简单的工作流列表，而是可视化的节点连线
• 多模型聚合：一个界面同时调用多种第三方 AI 模型（Seedance、GPT-image-2 等）
• AI 原生开发：commit 记录显示大量 AI 协作开发，平均每天都在迭代
• 桌面客户端：Tauri 方案让 Web 技术栈获得原生性能

局限：

• 不包含模型：Flovart 本身不训练或托管模型，依赖用户自备 API Key，实际成本由用户承担
• AGPL-3.0 约束：如果基于 Flovart 开发商业产品，必须开源——这限制了企业采纳意愿
• 视频生成质量依赖上游模型：画布编排再精美，生成质量天花板由第三方 API 决定
• 目前仅 127 stars：项目还处于早期，生态和用户基础薄弱

行业意义

Flovart 代表了一个新兴趋势：把 AI 生成能力从 API 调用变成可视化创作体验。2025 年下半年，Runway、Pika、可灵等视频生成工具大爆发，但它们都是独立的生成工具——Flovart 试图做的是"视频生成的 Figma"，让创作者用连线而不是命令行来编排 AI。

如果画布自动化赛道能跑通，Flovart 的定位会越来越重要。目前最值得关注的是它的迭代速度——日均 commit + AI 协作开发模式，意味着产品进化速度可能远超传统团队。