FlowGram.AI：字节跳动开源的可视化 AI 工作流开发框架

当你需要一个"乐高式"AI工作流平台时，FlowGram 已经在帮你搭积木了

想象一下这样的场景：你在开发一款 AI 应用，需要把 LLM 调用、条件判断、循环处理、HTTP 请求等多个环节串联起来。传统的做法是写一堆回调函数，再加上一堆 if-else——代码越写越长，逻辑越看越乱，调试起来更是头疼。而 FlowGram.AI 告诉你：这套"积木"不需要自己造，它已经帮你准备好了。

FlowGram 是字节跳动开源的一个可组合、可视化、易于集成的工作流开发框架与工具集。它的核心定位不是做一个完整的工作流平台（比如 Coze、扣子），而是为开发者提供搭建 AI 工作流平台所需的全部基础设施：可视化画布、节点配置表单、变量作用域链，以及开箱即用的物料（LLM、条件、代码编辑器等）。换句话说，FlowGram 是"给 AI 工作流平台开发者用的框架"。

图1：FlowGram 自由布局画布。节点可任意拖拽摆放，通过连线表达数据流向，支持缩放、平移等交互。

背景故事：为什么字节要开源一个"框架的框架"

FlowGram 由字节跳动内部团队开发维护，2025 年 2 月正式开源。值得注意的是，FlowGram 已经被字节内部多个产品采用，包括 Coze Studio（字节 Coze 的桌面端开发工具）和 Certimate（开源 SSL 证书管理工具）。这种"内部验证后再开源"的路径，与当年 Facebook 开源 React 的策略如出一辙。

从行业背景看，2024-2025 年是 AI Agent 工作流爆发年。Coze（字节）、Dify、n8n、AutoGen 等平台都在争夺"AI 时代的应用开发入口"。但这些平台大多是面向终端用户的 SaaS 产品，而 FlowGram 走的是另一条路：成为这些平台背后的技术底座。它的目标用户不是 AI 应用的终端用户，而是想要自建 AI 工作流平台的开发者或企业。

核心技术拆解：六层架构的工程之美

FlowGram 的架构设计非常清晰，采用六层分离的模块化架构，通过 Rush Monorepo 进行管理，各层职责明确：

图2：固定布局画布，支持节点拖拽到指定位置，并内置分支与循环等复合节点，适合结构化流程编排。

第一层：画布引擎（Canvas Engine）

画布引擎负责渲染可视化的节点图，是用户最直观感受到的部分。FlowGram 同时支持两种画布模式：

• 自由布局（Free Layout）：节点可以拖拽到画布任意位置，通过连线表示依赖关系。适合开放式、探索性的流程设计。
• 固定布局（Fixed Layout）：节点位置相对固定，支持复合节点（分支、循环）。适合结构严谨的业务流程。

底层采用依赖注入框架（inversify）实现插件化架构，渲染器（renderer）和文档模型（document）是独立模块，方便二次开发。

第二层：节点引擎（Node Engine）

节点是工作流的核心单元。Node Engine 管理节点的数据结构和生命周期，提供：

• 表单引擎：为每个节点生成配置表单，支持渲染、校验、联动、副作用和错误捕获。这解决了工作流平台开发中最繁琐的问题——如何让用户方便地配置每个节点。
• FormModelV2：新版本的数据模型，导出为 @flowgram.ai/editor 的 FormModel，负责节点配置的增删改查。

第三层：变量引擎（Variable Engine）

变量引擎是 FlowGram 的数据流中枢，负责：

• 作用域约束：每个变量有自己的作用域，在节点间传递时需要遵循作用域规则。
• 类型推断：基于 JSON Schema 进行变量类型检查，避免运行时类型错误。
• 数据流约束：管理工作流节点间的数据传递，确保数据在节点间正确流转。

第四层：运行时引擎（Runtime）

运行时负责实际执行工作流。目前提供两个运行时实现：

• @flowgram.ai/runtime-js：在浏览器中执行工作流，适合纯前端场景。
• @flowgram.ai/runtime-nodejs：在 Node.js 环境中执行，适合需要调用本地系统资源的场景。

运行时通过 @flowgram.ai/runtime-interface 定义抽象接口，实现了"一次设计，多端执行"的跨平台能力。

第五层：插件生态

FlowGram 提供了 20+ 个官方插件，覆盖工作流编辑器所需的各种扩展功能：

插件	功能
free-snap-plugin	节点对齐吸附
free-lines-plugin	连线渲染增强
free-node-panel-plugin	节点面板
minimap-plugin	小地图导航
export-plugin	导出功能
free-container-plugin	容器节点支持
history / history-storage	操作历史与持久化
auto-layout	自动布局算法

插件通过依赖注入容器统一注册和管理，开发者可以按需引入或自行开发新插件。

第六层：物料（Materials）

物料层提供开箱即用的节点类型，降低开发者的接入成本：

• LLM 节点：对接主流大模型 API（OpenAI、Claude、Gemini 等）
• Condition 节点：条件分支
• Code 节点：JavaScript/TypeScript 代码执行
• HTTP 节点：外部 API 调用
• Form Antd Materials：集成 Ant Design 表单组件
• Coze Editor：与 Coze 平台对接

技术栈：TypeScript + React + Monorepo，工程品质极高

FlowGram 的工程实践值得关注：

• 主语言：TypeScript（整个 monorepo 统一类型语言）
• UI 框架：React + Douyinfe Semi Design（字节内部 UI 组件库）
• 构建系统：Rush 5.150.0（微软开源的 Monorepo 管理工具）+ pnpm 10.6.5
• 测试：Vitest（单元测试）+ Playwright（E2E 测试）
• 代码规范：ESLint 强制 2 空格缩进、分号、import 顺序
• 文档：多语言支持（中文、英文、西班牙语、俄语、葡萄牙语、德语、日语）

图3：FlowGram 官方飞书用户群，可扫码加入获取技术支持。

上手体验：10分钟跑起来

FlowGram 提供了极简的脚手架工具，一条命令即可创建完整的工作流应用：

npx @flowgram.ai/create-app@latest

推荐选择 Free Layout Demo 模板，之后：

cd demo-free-layout
npm install
npm start
# 浏览器打开 http://localhost:3000

整个过程约 10 分钟即可在本地跑起一个带可视化画布的工作流编辑器。难度评估为"简单"，无 GPU 需求，硬件要求低（4GB 内存即可）。

局限与挑战：不完美才是真实的

客观来说，FlowGram 也存在一些局限性：

1. 无 Docker 支持：目前未提供 Dockerfile 或 docker-compose，无法通过容器一键部署。对于想要快速在服务器上运行工作流引擎的用户来说，需要自行编写 Dockerfile。
2. 运行时能力有限：当前运行时仅支持 JavaScript/Node.js 环境，没有 Python 运行时。如果你的工作流需要调用 PyTorch、TensorFlow 等 Python 生态的工具，暂时无法直接在 FlowGram 中实现。
3. 文档本地化不足：详细的开发文档主要托管在 flowgram.ai 官网，在网络不佳的环境下访问可能受限。
4. Coze 强绑定：内置的 Coze Editor 物料与字节 Coze 平台有较强耦合，如果想完全自建不用 Coze，部分物料可能需要自行适配。

行业意义：框架层的一次重要补位

FlowGram 的出现填补了一个市场空白：在 AI 工作流平台层（Dify、Coze、n8n）与底层大模型 API 之间，缺少一个专门面向开发者的可视化工作流框架。

从增长数据看，该项目自 2025 年 2 月开源以来，5 个月时间积累了 8000+ GitHub Stars，724 个 Forks，70 个订阅者，增长速度相当可观。更重要的是，它已经被字节内部的 Coze Studio 直接采用，说明其工程品质经过了实际生产环境的验证。

未来，如果 FlowGram 能够补齐 Python 运行时、Docker 部署支持，以及更丰富的物料生态，它有望成为 AI 工作流开发领域的"React Native"——一个被广泛采用的跨平台工作流开发标准。