flyto-ai：模块化的确定性 AI 自动化工作流引擎

flyto-ai 通过 467 个预构建的 schema 验证模块替代 LLM 生成代码，实现确定性执行、可复用工作流和自学习蓝图，大幅降低自动化成本并提高可靠性。

传统 AI Agent 的困境\n\n当前大多数 AI Agent 的工作模式是让大语言模型（LLM）直接生成 shell 命令或原始代码，然后立即执行。这种方式存在几个根本性问题：\n\n首先是不确定性——相同的提示词可能每次产生不同的代码实现，导致行为不一致。其次是缺乏验证——生成的命令可能包含错误的参数、虚构的 API 调用，或者微妙的 bug，这些问题只能在运行时暴露。第三是不可复用——每次执行都是临时的，没有持久化的资产供后续使用。最后是成本高昂——LLM 需要花费大量 token 来思考"如何执行"，而不是专注于"执行什么"。\n\nflyto-ai 从根本上改变了这一范式：LLM 不再编写代码，而是从预构建的模块库中搜索和选择，填充经过 schema 验证的参数，然后确定性地执行。每次运行都会产生一个可复用的 YAML 工作流文件。\n\n## 核心理念：从生成代码到组合模块\n\nflyto-ai 的核心创新在于将 LLM 的角色从"代码生成器"转变为"模块编排器"。系统提供 467 个经过 schema 验证的预构建模块，涵盖 55 个类别，从浏览器自动化到数据处理，从云存储到通知推送。\n\n这种架构的优势是显而易见的：\n\n| 维度 | 传统 AI Agent | flyto-ai |\n|------|--------------|----------|\n| LLM 职责 | 从零编写 shell/Python 代码 | 选择模块 + 填充参数 |\n| 执行方式 | subprocess.run(llm_output) | execute_module(\"browser.extract\", {validated_params}) |\n| 参数验证 | 无，运行时出错 | 执行前 schema 验证 |\n| 确定性 | 相同提示 → 不同代码 | 相同模块 + 参数 → 相同结果 |\n| 输出产物 | 一次性结果 | 结果 + 可复用 YAML 工作流 |\n| 学习能力 | 无 | 自学习蓝图（接近零 LLM 重放） |\n| 重放成本 | 完整 LLM 推理 | 约 100-500 token（节省 60-80%） |\n\n这种设计使得自动化工作流变得可预测、可维护、可审计。\n\n## 模块生态系统：467 个预构建组件\n\nflyto-ai 的模块库由 flyto-core 提供支持，覆盖广泛的自动化场景：\n\n浏览器自动化（39 个模块）：launch、goto、click、type、extract、screenshot、wait 等，基于 Playwright 构建，支持现代 Web 应用的完整交互。\n\n原子操作（35 个模块）：可复用的基础构建块，用于组合更复杂的工作流。\n\n流程控制（23 个模块）：条件判断、循环、分支、错误处理，支持复杂的业务逻辑编排。\n\n云服务（14 个模块）：S3、GCS 等云存储和 API 集成。\n\n数据处理（13 个模块）：JSON、CSV 解析和转换。\n\n数组操作（12 个模块）：filter、map、sort、flatten、unique 等函数式操作。\n\n字符串处理（11 个模块）：split、replace、template、regex、slugify 等。\n\n生产力工具（10 个模块）：邮件、日历、文档集成。\n\n图像处理（9 个模块）：resize、crop、convert、watermark、compress 等。\n\nHTTP/API（9 个模块）：GET、POST、download、upload、GraphQL。\n\n通知推送（9 个模块）：email、Slack、Telegram、webhook。\n\n此外还有 44 个以上的类别，涵盖数据库、加密货币、Docker、Kubernetes、测试等 200 多个模块。\n\n## 实际使用示例\n\nflyto-ai 的使用非常直观。用户通过自然语言描述需求，系统自动选择合适的模块并生成工作流。\n\n示例 1：网页标题抓取\n\n用户输入："scrape the title from example.com"\n\n生成的 YAML 工作流：\nyaml\nname: Scrape Title\nparams:\n url: \"https://example.com\"\nsteps:\n - id: launch\n module: browser.launch\n - id: goto\n module: browser.goto\n params:\n url: \"${{params.url}}\"\n - id: extract\n module: browser.extract\n params:\n selector: \"h1\"\n\n\n示例 2：电商产品信息抓取\n\n用户输入："extract all product names and prices from example-shop.com/products"\n\nyaml\nname: Scrape Products\nparams:\n url: \"https://example-shop.com/products\"\nsteps:\n - id: launch\n module: browser.launch\n - id: goto\n module: browser.goto\n params:\n url: \"${{params.url}}\"\n - id: extract\n module: browser.extract\n params:\n selector: \".product\"\n fields:\n name: \".product-name\"\n price: \".product-price\"\n\n\n示例 3：表单填写与截图\n\n用户输入："log in to staging.example.com, fill the contact form, and take a screenshot"\n\nyaml\nname: Fill Contact Form\nsteps:\n - id: launch\n module: browser.launch\n - id: login\n module: browser.login\n params:\n url: \"https://staging.example.com/login\"\n username_selector: \"#email\"\n password_selector: \"#password\"\n submit_selector: \"button[type=submit]\"\n - id: fill\n module: browser.form\n params:\n url: \"https://staging.example.com/contact\"\n fields:\n name: \"Test User\"\n message: \"Hello from flyto-ai\"\n - id: proof\n module: browser.screenshot\n\n\n示例 4：健康检查与告警\n\n用户输入："check if https://api.example.com/health returns 200, if not send a Slack message"\n\nyaml\nname: Health Check Alert\nparams:\n endpoint: \"https://api.example.com/health\"\nsteps:\n - id: check\n module: http.get\n params:\n url: \"${{params.endpoint}}\"\n - id: notify\n module: notification.slack\n params:\n webhook_url: \"${{params.slack_webhook}}\"\n message: \"Health check failed: ${{steps.check.status_code}}\"\n condition: \"${{steps.check.status_code}} != 200\"\n\n\n这些示例展示了 flyto-ai 如何将自然语言转换为结构化的、可验证的、可复用的自动化工作流。\n\n## 自学习蓝图系统\n\nflyto-ai 最具创新性的功能是其自学习蓝图系统。Agent 会记住什么方案有效，并将成功的工作流自动保存为蓝图——可复用的模式，使未来的任务执行更快、成本更低。\n\n学习机制采用闭环设计，完全不涉及 LLM：\n\n- 执行成功且包含 3 个以上步骤 → 自动保存为蓝图（初始评分 70）\n- 蓝图被成功复用 → 评分 +5\n- 蓝图执行失败 → 评分 -10\n\n这种评分机制确保高质量蓝图逐渐浮出水面，低质量蓝图被淘汰。\n\n成本节省效果显著：\n- 首次执行："screenshot example.com" → 15 秒（发现模块、从头构建）\n- 第二次执行："screenshot another.com" → 3 秒（复用学习到的蓝图，极低的 LLM 成本）\n\n用户可以通过 flyto-ai blueprints 命令查看学习到的蓝图，或导出为 YAML 文件分享。\n\n## Claude Code 集成与代码工作流\n\nflyto-ai 还提供了与 Claude Code 的深度集成，支持将 Claude 作为编码工人使用：\n\nbash\npip install flyto-ai[agent] # 安装 claude-agent-sdk\n\n# 基础用法 — Claude Code 编写代码，无验证\nflyto-ai code \"fix the login form validation\" --dir ./my-project\n\n# 带验证 — 每次修复后截图 + 视觉对比\nflyto-ai code \"match the Figma design for the login page\" \\\n --dir ./my-project \\\n --verify screenshot \\\n --verify-args '{\"url\": \"http://localhost:3000/login\"}' \\\n --reference ./figma-login.png \\\n --max-attempts 3\n\n\n工作流程分为四个阶段：\n\n1. 上下文收集：flyto-indexer 收集代码库上下文\n2. 代码编写：Claude Code 编写代码（带 Guardian 安全钩子）\n3. 验证执行：运行验证方案（如浏览器截图 + 文本提取）\n4. 视觉对比：LLM 对比实际结果与参考图\n - 失败 → 反馈给 Claude Code（回到阶段 2）\n - 通过 → 返回结果\n\n安全特性包括：\n- Guardian 钩子：阻止危险操作（rm -rf、.env 写入、凭据访问）\n- 审计追踪：每个工具调用记录到 ~/.flyto/evidence/<task>/evidence.jsonl\n- 预算控制：--budget 5.0 限制每个任务的支出上限\n- 会话复用：反馈循环复用同一个 Claude Code 会话保持完整上下文\n\n## 安装与使用\n\nflyto-ai 的安装非常简洁：\n\nbash\npip install flyto-ai\nplaywright install chromium # 下载浏览器用于 Web 自动化\nexport OPENAI_API_KEY=sk-... # 或 ANTHROPIC_API_KEY\nflyto-ai\n\n\n一次安装，一个命令——即可获得交互式聊天界面，访问 467 个自动化模块、浏览器自动化和自学习蓝图。\n\n支持的模型提供商包括 OpenAI、Anthropic，以及通过 -p ollama 使用本地 Ollama 模型。\n\n## 应用场景分析\n\nflyto-ai 适合多种自动化场景：\n\n数据抓取与监控：定期抓取网站数据、监控价格变化、收集竞品信息。模块化的设计使得抓取逻辑清晰可维护。\n\n端到端测试：自动化 Web 应用测试，包括登录、表单填写、截图对比验证。特别适合回归测试和视觉回归检测。\n\n运维自动化：API 健康检查、服务状态监控、异常告警通知。条件执行支持复杂的告警策略。\n\n内容处理：批量图像处理、文档转换、数据清洗。丰富的数据处理模块覆盖常见需求。\n\n开发工作流：结合 Claude Code 集成，实现自动化代码修复、重构、测试生成。\n\n## 架构优势总结\n\nflyto-ai 的架构设计体现了几个关键原则：\n\n确定性优先：通过预构建模块消除 LLM 生成代码的不确定性，确保相同输入产生相同输出。\n\n验证前置：所有参数在执行前经过 schema 验证，错误在运行前被发现。\n\n可复用性：每次执行产生 YAML 工作流文件，可作为资产保存、版本控制、分享复用。\n\n成本优化：自学习蓝图系统将常见任务的 LLM 调用成本降低 60-80%。\n\n安全可控：Guardian 安全钩子阻止危险操作，审计日志记录所有行为。\n\n## 项目前景与意义\n\nflyto-ai 代表了 AI Agent 架构演进的一个重要方向。当前 AI 领域普遍存在对 LLM 能力的过度依赖，而 flyto-ai 展示了如何通过工程化手段——预构建模块、schema 验证、确定性执行——来构建更可靠、更经济的自动化系统。\n\n这种模式特别适合企业级应用，其中可预测性、可审计性和成本控制是关键考量。随着 AI 自动化从实验走向生产，类似 flyto-ai 的模块化架构可能会成为行业标准。\n\n对于开发者而言，flyto-ai 提供了一个强大的自动化工具箱；对于架构师而言，它展示了如何在不牺牲智能的前提下提高系统可靠性；对于业务用户而言，它降低了自动化的技术门槛，同时保证了结果的质量和一致性。\n\nflyto-ai 不仅是一个工具，更是一种关于如何构建生产级 AI 系统的思考方式——将 LLM 的能力集中在最需要创造力的决策环节，而将执行环节交给经过验证的确定性组件。

传统 AI Agent 的困境\n\n当前大多数 AI Agent 的工作模式是让大语言模型（LLM）直接生成 shell 命令或原始代码，然后立即执行。这种方式存在几个根本性问题：\n\n首先是不确定性——相同的提示词可能每次产生不同的代码实现，导致行为不一致。其次是缺乏验证——生成的命令可能包含错误的参数、虚构的 API 调用，或者微妙的 bug，这些问题只能在运行时暴露。第三是不可复用——每次执行都是临时的，没有持久化的资产供后续使用。最后是成本高昂——LLM 需要花费大量 token 来思考"如何执行"，而不是专注于"执行什么"。\n\nflyto-ai 从根本上改变了这一范式：LLM 不再编写代码，而是从预构建的模块库中搜索和选择，填充经过 schema 验证的参数，然后确定性地执行。每次运行都会产生一个可复用的 YAML 工作流文件。\n\n核心理念：从生成代码到组合模块\n\nflyto-ai 的核心创新在于将 LLM 的角色从"代码生成器"转变为"模块编排器"。系统提供 467 个经过 schema 验证的预构建模块，涵盖 55 个类别，从浏览器自动化到数据处理，从云存储到通知推送。\n\n这种架构的优势是显而易见的：\n\n| 维度 | 传统 AI Agent | flyto-ai |\n|------|--------------|----------|\n| LLM 职责 | 从零编写 shell/Python 代码 | 选择模块 + 填充参数 |\n| 执行方式 | subprocess.run(llm_output) | execute_module(\"browser.extract\", {validated_params}) |\n| 参数验证 | 无，运行时出错 | 执行前 schema 验证 |\n| 确定性 | 相同提示 → 不同代码 | 相同模块 + 参数 → 相同结果 |\n| 输出产物 | 一次性结果 | 结果 + 可复用 YAML 工作流 |\n| 学习能力 | 无 | 自学习蓝图（接近零 LLM 重放） |\n| 重放成本 | 完整 LLM 推理 | 约 100-500 token（节省 60-80%） |\n\n这种设计使得自动化工作流变得可预测、可维护、可审计。\n\n模块生态系统：467 个预构建组件\n\nflyto-ai 的模块库由 flyto-core 提供支持，覆盖广泛的自动化场景：\n\n浏览器自动化（39 个模块）：launch、goto、click、type、extract、screenshot、wait 等，基于 Playwright 构建，支持现代 Web 应用的完整交互。\n\n原子操作（35 个模块）：可复用的基础构建块，用于组合更复杂的工作流。\n\n流程控制（23 个模块）：条件判断、循环、分支、错误处理，支持复杂的业务逻辑编排。\n\n云服务（14 个模块）：S3、GCS 等云存储和 API 集成。\n\n数据处理（13 个模块）：JSON、CSV 解析和转换。\n\n数组操作（12 个模块）：filter、map、sort、flatten、unique 等函数式操作。\n\n字符串处理（11 个模块）：split、replace、template、regex、slugify 等。\n\n生产力工具（10 个模块）：邮件、日历、文档集成。\n\n图像处理（9 个模块）：resize、crop、convert、watermark、compress 等。\n\nHTTP/API（9 个模块）：GET、POST、download、upload、GraphQL。\n\n通知推送（9 个模块）：email、Slack、Telegram、webhook。\n\n此外还有 44 个以上的类别，涵盖数据库、加密货币、Docker、Kubernetes、测试等 200 多个模块。\n\n实际使用示例\n\nflyto-ai 的使用非常直观。用户通过自然语言描述需求，系统自动选择合适的模块并生成工作流。\n\n示例 1：网页标题抓取\n\n用户输入："scrape the title from example.com"\n\n生成的 YAML 工作流：\nyaml\nname: Scrape Title\nparams:\n url: \"https://example.com\"\nsteps:\n - id: launch\n module: browser.launch\n - id: goto\n module: browser.goto\n params:\n url: \"${{params.url}}\"\n - id: extract\n module: browser.extract\n params:\n selector: \"h1\"\n\n\n示例 2：电商产品信息抓取\n\n用户输入："extract all product names and prices from example-shop.com/products"\n\nyaml\nname: Scrape Products\nparams:\n url: \"https://example-shop.com/products\"\nsteps:\n - id: launch\n module: browser.launch\n - id: goto\n module: browser.goto\n params:\n url: \"${{params.url}}\"\n - id: extract\n module: browser.extract\n params:\n selector: \".product\"\n fields:\n name: \".product-name\"\n price: \".product-price\"\n\n\n示例 3：表单填写与截图\n\n用户输入："log in to staging.example.com, fill the contact form, and take a screenshot"\n\nyaml\nname: Fill Contact Form\nsteps:\n - id: launch\n module: browser.launch\n - id: login\n module: browser.login\n params:\n url: \"https://staging.example.com/login\"\n username_selector: \"#email\"\n password_selector: \"#password\"\n submit_selector: \"button[type=submit]\"\n - id: fill\n module: browser.form\n params:\n url: \"https://staging.example.com/contact\"\n fields:\n name: \"Test User\"\n message: \"Hello from flyto-ai\"\n - id: proof\n module: browser.screenshot\n\n\n示例 4：健康检查与告警\n\n用户输入："check if https://api.example.com/health returns 200, if not send a Slack message"\n\nyaml\nname: Health Check Alert\nparams:\n endpoint: \"https://api.example.com/health\"\nsteps:\n - id: check\n module: http.get\n params:\n url: \"${{params.endpoint}}\"\n - id: notify\n module: notification.slack\n params:\n webhook_url: \"${{params.slack_webhook}}\"\n message: \"Health check failed: ${{steps.check.status_code}}\"\n condition: \"${{steps.check.status_code}} != 200\"\n\n\n这些示例展示了 flyto-ai 如何将自然语言转换为结构化的、可验证的、可复用的自动化工作流。\n\n自学习蓝图系统\n\nflyto-ai 最具创新性的功能是其自学习蓝图系统。Agent 会记住什么方案有效，并将成功的工作流自动保存为蓝图——可复用的模式，使未来的任务执行更快、成本更低。\n\n学习机制采用闭环设计，完全不涉及 LLM：\n\n- 执行成功且包含 3 个以上步骤 → 自动保存为蓝图（初始评分 70）\n- 蓝图被成功复用 → 评分 +5\n- 蓝图执行失败 → 评分 -10\n\n这种评分机制确保高质量蓝图逐渐浮出水面，低质量蓝图被淘汰。\n\n成本节省效果显著：\n- 首次执行："screenshot example.com" → 15 秒（发现模块、从头构建）\n- 第二次执行："screenshot another.com" → 3 秒（复用学习到的蓝图，极低的 LLM 成本）\n\n用户可以通过 flyto-ai blueprints 命令查看学习到的蓝图，或导出为 YAML 文件分享。\n\nClaude Code 集成与代码工作流\n\nflyto-ai 还提供了与 Claude Code 的深度集成，支持将 Claude 作为编码工人使用：\n\nbash\npip install flyto-ai[agent] 安装 claude-agent-sdk\n\n基础用法 — Claude Code 编写代码，无验证\nflyto-ai code \"fix the login form validation\" --dir ./my-project\n\n带验证 — 每次修复后截图 + 视觉对比\nflyto-ai code \"match the Figma design for the login page\" \\\n --dir ./my-project \\\n --verify screenshot \\\n --verify-args '{\"url\": \"http://localhost:3000/login\"}' \\\n --reference ./figma-login.png \\\n --max-attempts 3\n\n\n工作流程分为四个阶段：\n\n1. 上下文收集：flyto-indexer 收集代码库上下文\n2. 代码编写：Claude Code 编写代码（带 Guardian 安全钩子）\n3. 验证执行：运行验证方案（如浏览器截图 + 文本提取）\n4. 视觉对比：LLM 对比实际结果与参考图\n - 失败 → 反馈给 Claude Code（回到阶段 2）\n - 通过 → 返回结果\n\n安全特性包括：\n- Guardian 钩子：阻止危险操作（rm -rf、.env 写入、凭据访问）\n- 审计追踪：每个工具调用记录到 ~/.flyto/evidence/<task>/evidence.jsonl\n- 预算控制：--budget 5.0 限制每个任务的支出上限\n- 会话复用：反馈循环复用同一个 Claude Code 会话保持完整上下文\n\n安装与使用\n\nflyto-ai 的安装非常简洁：\n\nbash\npip install flyto-ai\nplaywright install chromium 下载浏览器用于 Web 自动化\nexport OPENAI_API_KEY=sk-... 或 ANTHROPIC_API_KEY\nflyto-ai\n\n\n一次安装，一个命令——即可获得交互式聊天界面，访问 467 个自动化模块、浏览器自动化和自学习蓝图。\n\n支持的模型提供商包括 OpenAI、Anthropic，以及通过 -p ollama 使用本地 Ollama 模型。\n\n应用场景分析\n\nflyto-ai 适合多种自动化场景：\n\n数据抓取与监控：定期抓取网站数据、监控价格变化、收集竞品信息。模块化的设计使得抓取逻辑清晰可维护。\n\n端到端测试：自动化 Web 应用测试，包括登录、表单填写、截图对比验证。特别适合回归测试和视觉回归检测。\n\n运维自动化：API 健康检查、服务状态监控、异常告警通知。条件执行支持复杂的告警策略。\n\n内容处理：批量图像处理、文档转换、数据清洗。丰富的数据处理模块覆盖常见需求。\n\n开发工作流：结合 Claude Code 集成，实现自动化代码修复、重构、测试生成。\n\n架构优势总结\n\nflyto-ai 的架构设计体现了几个关键原则：\n\n确定性优先：通过预构建模块消除 LLM 生成代码的不确定性，确保相同输入产生相同输出。\n\n验证前置：所有参数在执行前经过 schema 验证，错误在运行前被发现。\n\n可复用性：每次执行产生 YAML 工作流文件，可作为资产保存、版本控制、分享复用。\n\n成本优化：自学习蓝图系统将常见任务的 LLM 调用成本降低 60-80%。\n\n安全可控：Guardian 安全钩子阻止危险操作，审计日志记录所有行为。\n\n项目前景与意义\n\nflyto-ai 代表了 AI Agent 架构演进的一个重要方向。当前 AI 领域普遍存在对 LLM 能力的过度依赖，而 flyto-ai 展示了如何通过工程化手段——预构建模块、schema 验证、确定性执行——来构建更可靠、更经济的自动化系统。\n\n这种模式特别适合企业级应用，其中可预测性、可审计性和成本控制是关键考量。随着 AI 自动化从实验走向生产，类似 flyto-ai 的模块化架构可能会成为行业标准。\n\n对于开发者而言，flyto-ai 提供了一个强大的自动化工具箱；对于架构师而言，它展示了如何在不牺牲智能的前提下提高系统可靠性；对于业务用户而言，它降低了自动化的技术门槛，同时保证了结果的质量和一致性。\n\nflyto-ai 不仅是一个工具，更是一种关于如何构建生产级 AI 系统的思考方式——将 LLM 的能力集中在最需要创造力的决策环节，而将执行环节交给经过验证的确定性组件。