Erfasst:261 News/91 KI-Tools/372 Open-Source-Projekte/64 Lernressourcen
StartNewsOpen SourceModelleKI-ToolsLernen
Start / Open Source / pyspur

pyspur

Eine visuelle Workflow-Plattform für KI-Agenten, die eine grafische Benutzeroberfläche zum Erstellen, Debuggen und Evaluieren von LLM-Workflows bietet und die Iterationsgeschwindigkeit von KI-Ingenieuren um das Zehnfache erhöht.

TypeScriptApache-2.0Agent
⭐ GitHubhttps://github.com/PySpur-Dev/pyspur
5,767
Stars
+30
Star-Wachstum
Jun 30, 2026
Zuletzt aktualisiert
729
Klicks

PySpur - Visuelle Entwicklungsplattform für KI-Agenten

Projektübersicht

PySpur ist eine visuelle Workflow-Plattform für KI-Agenten, die es KI-Ingenieuren ermöglicht, KI-Agenten 10-mal schneller iterativ zu entwickeln. Es handelt sich um ein von Y Combinator unterstütztes Open-Source-Projekt, das speziell entwickelt wurde, um die wichtigsten Herausforderungen zu lösen, mit denen KI-Ingenieure beim Aufbau von Agenten konfrontiert sind.

Gelöste Kernprobleme

KI-Ingenieure stehen beim Aufbau von Agenten vor drei großen Herausforderungen:

  1. Prompt-Hölle: Viel Zeit für Prompt-Optimierung und wiederholtes Ausprobieren
  2. Workflow-Blindstellen: Mangelnde Visualisierung der Schrittinteraktionen, was zu versteckten Fehlern und Verwirrung führt
  3. Terminal-Test-Albtraum: Notwendigkeit, auf die Rohausgabe zu starren und JSON manuell zu parsen

Kernfunktionsmerkmale

🔄 Workflow-Management

  • Visuelle grafische Oberfläche: Erstellung von KI-Workflows per Drag & Drop
  • Schleifenunterstützung: Unterstützung für iterative Tool-Aufrufe mit Speicher
  • Mensch-Maschine-Zusammenarbeit: Persistente Workflows, die auf manuelle Genehmigung warten können
  • Breakpoint-Debugging: Workflow-Haltepunkte, die eine manuelle Genehmigung erfordern, bevor die Ausführung fortgesetzt wird

📤 Multimodale Datenverarbeitung

  • Datei-Upload: Unterstützung für das Hochladen von Dateien oder das Einfügen von URLs zur Dokumentenverarbeitung
  • Multimodale Unterstützung: Verarbeitung verschiedener Formate wie Video, Bild, Audio, Text, Code usw.
  • Strukturierte Ausgabe: Bereitstellung eines UI-Editors für JSON-Schemas

🗃️ RAG-System

  • Vollständiger RAG-Prozess: Parsen, Chunking, Einbetten und Einfügen von Daten in eine Vektordatenbank
  • Vektordatenbank-Integration: Unterstützung verschiedener Vektordatenbanken

🧰 Tool-Integration

  • Umfangreiche Tool-Unterstützung: Integration von Slack, Firecrawl.dev, Google Sheets, GitHub usw.
  • Erweiterbarkeit: Hinzufügen neuer Knoten durch Erstellung einer einzelnen Python-Datei

📊 Überwachung und Bewertung

  • Automatische Verfolgung: Automatisches Erfassen der Ausführungsspuren bereitgestellter Agenten
  • Bewertungssystem: Bewertung der Agentenleistung auf realen Datensätzen
  • One-Click-Deployment: Veröffentlichung als API und Integration überall

🎛️ Multi-Vendor-Unterstützung

  • Unterstützung von über 100 Anbietern: Unterstützung von über 100 LLM-Anbietern, Embeddern und Vektordatenbanken
  • Python-basiert: Basierend auf Python aufgebaut, einfach zu erweitern und anzupassen

Schnellstart

Installationsvoraussetzungen

  • Python 3.11 oder höher

Grundlegende Installationsschritte

  1. PySpur installieren
pip install pyspur
  1. Neues Projekt initialisieren
pyspur init my-project
cd my-project
  1. Server starten
pyspur serve --sqlite

Standardmäßig startet dies die PySpur-Anwendung unter http://localhost:6080 mit einer SQLite-Datenbank. Es wird empfohlen, eine PostgreSQL-Instanz-URL in der .env-Datei zu konfigurieren, um eine stabilere Erfahrung zu erzielen.

  1. Umgebung und API-Schlüssel konfigurieren (optional)
  • Anwendungsoberfläche: Navigieren Sie zur Registerkarte API-Schlüssel, um Anbieterschlüssel hinzuzufügen (OpenAI, Anthropic usw.)
  • Manuelle Methode: Bearbeiten Sie die .env-Datei (empfohlene Konfiguration für PostgreSQL) und starten Sie pyspur serve neu

Entwicklungsumgebung einrichten

Empfohlene Methode: Verwendung eines Entwicklungscontainers

Es wird empfohlen, Cursor/VS Code in Verbindung mit einem Entwicklungscontainer (.devcontainer/devcontainer.json) zu verwenden, um Folgendes zu erhalten:

  • Eine konsistente Entwicklungsumgebung mit vorkonfigurierten Tools und Erweiterungen
  • Optimierte Einstellungen für die Python- und TypeScript-Entwicklung
  • Automatisches Hot-Reloading und Portweiterleitung

Schritte:

  1. Installieren Sie Cursor/VS Code und die Dev Containers-Erweiterung
  2. Klonen und öffnen Sie das Repository
  3. Klicken Sie bei Aufforderung auf "In Container erneut öffnen"

Manuelle Einrichtung

  1. Repository klonen
git clone https://github.com/PySpur-com/pyspur.git
cd pyspur
  1. Mit docker-compose starten
docker compose -f docker-compose.dev.yml up --build -d
  1. Benutzerdefinierte Einstellungen: Bearbeiten Sie die .env-Datei, um die Umgebung zu konfigurieren (z. B. PostgreSQL-Einstellungen)

Hinweis: Die manuelle Einrichtung erfordert zusätzliche Konfigurationen und enthält möglicherweise nicht alle Funktionen des Entwicklungscontainers.

Anwendungsfälle

PySpur eignet sich besonders für folgende Szenarien:

  • Komplexe KI-Workflows, die ein visuelles Debugging erfordern
  • Qualitätssicherungsprozesse, die eine menschliche Überwachung erfordern
  • Multimodale Datenverarbeitungsanwendungen
  • RAG-Systemaufbau und -optimierung
  • Bereitstellung von KI-Agenten in großem Maßstab

Technische Architektur

  • Frontend: Workflow-Editor basierend auf einer grafischen Oberfläche
  • Backend: Python-basierte Ausführungs-Engine
  • Datenbank: Unterstützung für SQLite und PostgreSQL
  • Deployment: Unterstützung für Container-basiertes Deployment und One-Click-API-Veröffentlichung