sim
开源 AI Agent 工作流编排平台，Figma 式可视化 Canvas 拖拽构建多模型 Agen
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
微信扫码咨询客服
POMOAI — 让开源 AI 即刻运行
开源 AI Agent 工作流编排平台，Figma 式可视化 Canvas 拖拽构建多模型 Agen
加载项目详情…
本应用为开源项目，仅供学习研究，请遵守其开源协议。
想象一下这样的场景：你的公司需要一名 24 小时在线的客服，它能同时对接 CRM 系统查询客户订单，还能自动在 Slack 里通知相关同事。更进一步，这名"数字员工"可以在深夜自动处理售后投诉，按规则判断是否需要升级给人工——而你只需要在画布上拖几个方块、连几条线，就能把这套流程搭起来。
Sim 正是这样一款工具。它由硅谷创业公司 SimStudioAI 开发并开源（Apache-2.0 许可证），定位是 AI Agent 时代的企业级工作流编排平台。在 GitHub 上已收获超过 28,000 颗星，被 Y Combinator 列为明星项目，被誉为"开源版 n8n + LangChain 的结合体"。
图1：Sim 项目 Logo
在 Sim 出现之前，让 AI 替你完成复杂任务意味着写代码：你要理解 LangChain 的链式调用、掌握 Tool Calling 的 JSON Schema 设计、甚至还要处理向量数据库的 Embedding 调优。这对于有工程能力的团队来说尚可接受，但对于产品经理、运营人员或中小企业主，门槛显然过高。
Sim 采用了截然不同的思路：把 AI 工作流变成一块 Figma 画布。用户可以在可视化的 Canvas 上拖入不同的"节点"——比如「GPT-4 节点」「邮件发送节点」「数据库查询节点」——再用连线定义它们之间的数据流向。每一个节点背后封装了完整的 API 调用逻辑，用户只需要配置参数，不需要写一行代码。
这种「低代码 + Agent」的结合，是 Sim 最核心的差异化。它既不像纯粹的 No-Code 工具那样只能做简单逻辑，也不像 LangChain 这类框架那样要求深厚的编程功底——而是在两者之间找到了一个让非技术人员也能参与 AI 工作流设计的平衡点。
Sim 支持的 LLM 模型覆盖范围极广：
| 模型类别 | 代表模型 |
|---|---|
| 闭源主流 | OpenAI GPT-4o、Anthropic Claude 3.5、Google Gemini |
| 开源强模 | DeepSeek V3、Qwen（通义千问） |
| 本地部署 | Ollama（支持本地 LLaMA、Mistral 等） |
这种多模型混合编排的能力特别有价值——比如在同一个工作流里，让 GPT-4 处理用户意图理解，再交给 DeepSeek 做中文内容生成，成本和效果可以分别优化。Sim 的 Canvas 支持为每个节点单独选择模型型号，并支持 Tool Use、Structured Output 等精细控制。
在工具集成方面，Sim 官方提供 60+ 预构建 Connector，覆盖以下主流平台：
此外，Sim 还支持自定义 Python 工具接入，以及通过 MCP（Model Context Protocol）协议扩展生态。
从代码仓库结构来看，Sim 采用成熟的 TypeScript/React 技术栈，核心架构如下：
apps/
├── sim/ # 主 Web 应用（Next.js + React Canvas）
├── realtime/ # 实时通信服务（Socket.IO）
└── docs/ # 文档站点
packages/
├── ts-sdk/ # TypeScript SDK（供外部调用）
├── python-sdk/ # Python SDK（广泛生态兼容）
├── cli/ # 命令行工具
├── db/ # 数据库层（Drizzle ORM + PostgreSQL）
├── auth/ # 认证模块（Better Auth）
├── security/ # 安全加固层
├── workflow-types/ # 工作流类型定义
└── workflow-persistence/ # 工作流持久化
这是一个典型的 Turborepo Monorepo 项目，使用 Bun 作为包管理器。架构上最值得关注的是 apps/realtime 模块——它是一个独立的 Socket.IO 服务，负责工作流执行过程中的实时状态推送，让用户在 Canvas 上能实时看到 Agent 思考链路、工具调用结果和中间变量值。
数据库层采用 Drizzle ORM + PostgreSQL，工作流的节点配置、执行状态、历史记录均存储在关系型数据库中，保证数据一致性和可查询性。
Sim 不只是"搭个工作流"，它还解决了工作流怎么跑起来的问题。支持的触发方式包括：
这种多模式触发设计让 Sim 可以作为企业 AI 基础设施的核心——无论是对外提供 AI 聊天机器人，还是内部自动化流程，都可以用同一套工作流引擎驱动。
Sim 的部署支持在同类型开源项目中处于顶尖水平：
docker-compose.prod.yml）：包含 simstudio 主服务、realtime 实时服务、PostgreSQL 数据库、Migrations 迁移任务，全套健康检查，开箱即用。最低内存需求 8GB RAM。docker-compose.local.yml）：可挂载源码卷、热重载，适合开发者迭代。docker-compose.ollama.yml）：内置 Ollama 支持本地模型，无需外部 LLM API。helm/sim/ 提供了完整的生产 K8s 部署模板，支持 Ingress、HorizontalPodAutoscaler 等企业特性。Dockerfile 采用了 多阶段构建（base → pruner → deps → builder → runner），配合 Turborepo 的 prune sim --docker 命令，只打包 sim 应用实际依赖的子集，大幅缩减镜像体积。基础镜像使用 oven/bun:1.3.13-slim，同时安装了 Node.js 22、Python 3、FFmpeg 等运行时依赖。
| 用户类型 | 推荐理由 | 上手难度 |
|---|---|---|
| AI 爱好者 | 可视化 Canvas 无需编程就能感受 Agent 工作流 | ⭐ 极低 |
| 产品/运营人员 | 拖拽配置 Gmail + Slack 自动化，替代 Zapier 部分场景 | ⭐ 低 |
| 开发者 | TypeScript SDK / Python SDK 丰富，可嵌入现有系统 | ⭐⭐ 中 |
| 企业 IT | Docker 一键部署，Helm 支持 K8s，PostgreSQL 数据自主可控 | ⭐⭐ 中 |
对于想要先体验再深入的用户，Sim 提供了在线版本 sim.ai，无需安装即可使用。对于有数据安全要求或需要私有部署的企业，自托管方案成熟，文档清晰。
客观来看，Sim 目前仍面临一些挑战：
Sim 的出现反映了 AI 应用开发领域的一个重要趋势：从"调用 AI API"到"编排 AI 员工"。随着 GPT-4、Claude 等模型的工具调用能力越来越强，AI 已经不只是回答问题的聊天机器人，而成为可以执行多步骤任务的"数字员工"。
Sim 的核心价值在于降低了这个转变的门槛——让企业不需要雇佣 Prompt 工程师团队，也能快速搭建起自己的 AI 工作流。28,000+ GitHub Stars 和 YC 加持，说明市场对这类工具的需求真实存在且持续增长。
在未来，随着多模态 Agent 的成熟，类似 Sim 这样的可视化编排平台可能会成为企业 AI 基础设施的标准配置——就像今天的企业不会自己搭建邮箱服务器，而是使用 SaaS 邮箱服务一样。
图2：Sim 可视化工作流编辑器，拖拽节点即可构建 AI 工作流
图3：Sim 仓库在 GitHub 上的概览图，TypeScript monorepo 结构清晰