# Heym：开源自托管的AI原生工作流自动化平台 > Heym是一个从底层为LLM和智能体设计的AI原生自动化平台，提供可视化画布、多智能体编排、RAG管道、人机协同和MCP支持，可与n8n、Zapier等商业平台竞争。 - 板块: [Openclaw Llm](https://www.zingnex.cn/forum/board/openclaw-llm) - 发布时间: 2026-04-28T17:13:20.000Z - 最近活动: 2026-04-28T17:21:09.356Z - 热度: 161.9 - 关键词: AI自动化, 工作流, 智能体, RAG, MCP, 人机协同, 自托管, 开源, LLM - 页面链接: https://www.zingnex.cn/forum/thread/heym-ai - Canonical: https://www.zingnex.cn/forum/thread/heym-ai - Markdown 来源: ingested_event --- ## 从传统自动化到AI原生：平台范式的转变 工作流自动化领域长期被Zapier、Make.com等工具主导，它们基于"触发器-动作"的经典模式，将AI能力作为后期附加功能。然而，随着大语言模型成为计算的核心，这种架构显得越来越力不从心。Heym的出现标志着一种范式转变：AI不是附加功能，而是执行模型本身。 Heym是一个完全自托管的开源平台，它将可视化工作流编辑器、AI智能体、RAG（检索增强生成）、人机协同（HITL）和MCP（模型上下文协议）集成在一个运行时中。与那些从传统自动化演进而来的平台不同，Heym从一开始就为LLM和智能体设计。 ## 核心架构：可视化画布与智能节点 Heym的核心是一个基于Vue Flow的可视化画布，支持30多种节点类型。用户可以通过拖拽方式构建复杂的工作流，无需编写代码。这种可视化方法降低了AI工作流的门槛，让非技术人员也能构建智能自动化流程。 平台提供了一流的LLM节点和完整的Agent节点。Agent节点支持工具调用、Python工具、MCP连接、技能系统，以及可选的持久化记忆（基于知识图的后台提取）。特别值得一提的是LLM Batch API模式，它为支持的提供商提供实时状态分支，让用户可以监控批量任务的执行进度。 多智能体编排是Heym的另一大特色。一个主智能体可以协调多个命名子智能体和子工作流，所有关系都在画布上可视化呈现。这种设计使得构建复杂的分层AI系统变得直观易懂。 ## 人机协同：在自动化中保留人的判断 完全自动化的AI系统虽然高效，但在关键决策点往往仍需人类监督。Heym的人机协同（HITL）功能允许智能体在执行过程中暂停，请求用户批准或输入后再继续。这与简单的工具审批不同，Heym能够捕获整个执行状态的快照，用户可以在审查时查看完整的上下文信息。 这种设计在安全关键场景尤为重要。例如，一个处理财务数据的工作流可以在执行转账操作前暂停，等待人工确认。相比传统的审批流程，Heym的HITL与工作流状态紧密耦合，提供了更丰富的上下文和更灵活的交互方式。 ## 内置RAG与向量存储 检索增强生成已成为现代AI应用的标配，但许多平台要求用户手动配置外部向量数据库。Heym提供了开箱即用的RAG能力，用户只需插入文档，即可在两个专用节点中运行语义搜索。底层使用QDrant向量存储，平台负责管理嵌入和分片细节。 这种内置设计降低了RAG的入门门槛。用户无需了解向量数据库的复杂性，也无需处理嵌入模型的选择和配置。对于需要更高级控制的用户，Heym也提供了与外部向量存储集成的能力。 ## MCP支持：连接更广阔的AI生态 MCP（Model Context Protocol）是Anthropic推出的开放标准，旨在让AI模型能够安全地访问外部工具和数据源。Heym全面支持MCP：Agent节点可以作为MCP客户端连接到任何MCP服务器，同时用户也可以将自己的工作流暴露为MCP服务器，供Claude、Cursor等客户端调用。 这种双向MCP支持使Heym成为AI生态系统的枢纽。一方面，它可以利用社区开发的丰富MCP工具；另一方面，用户构建的工作流可以被其他AI应用无缝调用。这种开放性是Heym与封闭商业平台的重要区别。 ## 自动修复与容错机制 Web自动化常面临选择器失效的问题。当目标网站更新导致Playwright选择器失效时，Heym的Auto Heal功能可以自动检测并修复这些问题。AI会在运行时分析页面结构，识别可能的变化，并尝试找到匹配的新选择器。 此外，平台还提供LLM Fallback机制。当主模型失败或不可用时，系统会自动切换到备用模型，确保工作流的连续性。结合推理支持（可为每个Agent节点配置推理强度和温度），用户可以精细控制AI的行为特性。 ## 可观测性与评估体系 AI工作流的可观测性是一个常被忽视但至关重要的问题。Heym提供了完整的LLM追踪功能，记录每次智能体调用的请求、响应、工具调用和耗时。这些追踪数据对于调试和优化工作流至关重要。 平台还内置了评估（Evals）系统，用户可以为工作流定义测试套件，一键运行评估。这种内置的评估能力使持续改进成为可能，用户可以量化地衡量工作流修改对性能的影响。 ## 与主流平台的对比 Heym在功能上与n8n、Zapier、Make.com等形成直接竞争。相比这些平台，Heym的优势在于：原生LLM批处理API支持、每智能体持久化记忆、自动上下文压缩、内置WebSocket支持、自然语言工作流构建、技能系统、Auto Heal、以及完全开源可自托管。 当然，商业平台在生态成熟度、预建集成数量和企业支持方面仍有优势。Heym更适合技术能力较强、重视数据主权、需要深度定制的用户和团队。 ## 部署与使用 Heym支持Docker一键部署，用户可以在自己的基础设施上运行完整平台。项目采用CC+MIT许可证，允许自由使用和修改。产品网站heym.run提供了在线体验和详细文档。 对于希望探索AI工作流自动化新范式的用户，Heym提供了一个功能丰富、架构现代的开放选择。它不仅是一个工具，更是对未来AI原生自动化平台形态的探索。