Oomol：コードをAPIに視覚的に接続するAIワークフロープラットフォーム

Oomol 是一个AI可编程工作流平台，它提供了一个叫做Oomol Studio的桌面应用程序。这个平台的核心是通过可视化的方式，让用户可以像搭建积木一样，通过拖放功能节点来创建自动化流程。这些节点可以是代码片段（支持Python和Node.js）、API服务，或是平台内置的大语言模型（LLM）模块。Oomol为编程和数据处理提供了一个统一的开发环境，用户不需要在自己的电脑上安装和配置Python或Node.js环境，因为平台通过容器技术解决了环境一致性的问题。这样一来，创建的工作流可以在任何安装了Oomol的设备上无缝运行和共享。平台不仅适合需要处理数据的开发者和数据科学家，也适合内容创作者等非专业开发者，用来自动化处理例如视频加字幕、图片压缩等重复性任务，主要目标是帮助用户将想法快速变成可执行的自动化产品。

機能一覧

• 可视化工作流搭建: 提供图形化界面，通过拖放不同功能的节点并连接它们，来构建自动化任务流程。
• 内置编程环境: 无需本地安装，直接使用内置的、基于容器的Python和Node.js开发环境。
• プロフェッショナル・コードエディター: 集成了基于VSCode的代码编辑器，支持代码自动补全、语法高亮和日志查看功能。
• データの可視化: 支持使用pandas歌で応えるplotly等库处理数据，并直接在平台内生成和展示图表。
• 内置AI模块: 平台内建了多种大语言模型（LLM）模块，可以直接调用，简化AI应用开发。
• コミュニティ・シェアリング: 用户可以将自己创建的完整工作流或单个功能模块分享到社区，也能够直接使用社区中其他人分享的成果。
• マルチメディア処理: 支持封装视频处理库（如FFmpeg）为功能节点，方便内容创作者自动化处理音视频任务。
• 结构化与非结构化数据处理: 能够灵活构建流程，处理包括表格数据和音视频、PDF等多媒体文件在内的不同数据类型。

ヘルプの使用

Oomol Studio通过直观的视觉交互帮助用户连接代码片段和API服务，将想法快速转化为实际应用。以下是详细的使用流程和功能操作介绍。

1. 安装Oomol Studio

首先，你需要从Oomol官方网站下载适用于你操作系统的应用程序。

• 公式ウェブサイトを見る：在浏览器中打开 Oomol 官方网站 https://oomol.com/.
• インストールパッケージをダウンロードする：在首页找到“下载适用于Windows的版本”按钮并点击下载。目前平台仅支持Windows x64版本。
• アプリケーションのインストール：下载完成后，双击安装包，按照屏幕上的提示完成安装。

2.インターフェイスの概要

启动Oomol Studio后，你将看到一个由不同区域组成的主界面，它类似于很多集成开发环境（IDE）的布局。

• 左侧节点列表：界面的左侧是核心的功能区，这里陈列了所有可用的节点。节点是构成工作流的基本单元，例如“读取文件”、“执行Python代码”、“调用API”等。你可以从这里拖动节点到中央的画布上。
• 中央画布区域：这是你的工作区，你将在这里通过拖放和连接节点来构建你的自动化工作流。
• 右侧参数配置区：当你选中画布上的一个节点时，界面的右侧会显示该节点的详细参数配置选项。你可以在这里设置节点的输入数据、调整代码、配置API密钥等。
• 底部输出与日志区: 运行工作流后，你可以在界面底部看到实时的日志信息、代码执行结果或生成的可视化图表。

3. 创建第一个工作流：视频自动加字幕

下面通过一个实际例子，介绍如何使用Oomol创建一个自动化为视频添加翻译字幕的工作流。

步骤一：项目准备与构思
我们的目标是实现一个自动化流程：输入一个本地视频文件，工作流会自动识别视频中的语音，将其转换成文字，然后将文字翻译成指定语言，最后将翻译好的字幕添加到原视频中。

步骤二：搭建工作流

1. 新築プロジェクト：在Oomol Studio中创建一个新的工作流项目。
2. 添加“读取视频”节点：从左侧节点列表中找到一个用于处理文件的节点，或者一个专门的视频处理节点，将其拖到画布上。在右侧的参数配置区，设置该节点，让它指向你要处理的本地视频文件路径。
3. 添加“语音识别”节点：从节点列表中找到并拖入一个语音识别（Speech-to-Text）节点，例如Whisper节点。将“读取视频”节点的输出端（代表视频文件）连接到Whisper节点的输入端。这表示视频文件将作为语音识别的输入。
4. 添加“文本翻译”节点：接下来，拖入一个内置的LLM模块或API调用节点用于翻译。将Whisper节点的输出（识别出的文字）连接到翻译节点的输入。在右侧参数区，你可以配置翻译的目标语言，例如从英文翻译成中文。
5. 添加“字幕生成与合成”节点：最后，拖入一个多媒体处理节点，例如FFmpeg节点。该节点需要两个输入：一个是原始视频文件，另一个是翻译好的字幕文本。因此，你需要将最初的“读取视频”节点的输出和“文本翻译”节点的输出，同时连接到这个FFmpeg节点的输入端。在FFmpeg节点的参数区，你需要配置它执行“添加字幕”的操作。
6. 添加“保存文件”节点：在工作流的末尾添加一个用于保存文件的节点，将FFmpeg节点的输出（处理完成的视频）连接到此节点，并设置好保存的路径和文件名。

步骤三：运行与调试

• 启动工作流：点击界面上方的“运行”按钮，Oomol就会从第一个节点开始，按照你连接的顺序依次执行每个操作。
• ログを見る：在执行过程中，你可以在底部的日志区看到每个节点的实时输出和状态。如果某个环节出错，日志会提供详细的错误信息，帮助你快速定位问题。例如，可能是API密钥无效，或者文件路径不正确。
• プレビュー結果：部分节点支持结果预览。例如，数据处理节点可能会直接在底部区域展示生成的图表，方便你检查中间结果是否符合预期。

4. 探索社区工作流

如果你不确定如何从零开始，可以从社区寻找灵感。

• 访问社区：在Oomol应用内或官网上，找到“社区”或“工作流社区”入口。
• 查找与使用：社区里有其他用户分享的各种现成工作流，例如“PDF文档内容提取”、“股票数据分析与回测”、“漫画翻译”等。你可以直接下载这些项目，在Oomol Studio中打开它们，查看别人是如何搭建的。你也可以在这些现有工作流的基础上进行修改，以满足自己的特定需求。

アプリケーションシナリオ

1. 数据科学与分析
   用户可以搭建工作流，自动从数据库或API获取数据，使用内置的Python环境进行数据清洗和处理，最后利用plotly等库生成可视化报告。整个过程无需在不同软件间切换，一站式完成。
2. 内容创作自动化
   视频博主可以创建一个工作流，自动为新视频添加多国语言字幕。该流程能识别视频语音，调用翻译API，并使用FFmpeg将字幕压制进视频，极大提升了内容分发的效率。
3. 开发与测试辅助
   开发人员可以利用Oomol连接内部的各种API服务，构建自动化的API测试流程。通过配置不同的输入参数，可以批量测试API的稳定性和正确性，并生成测试报告。
4. 个人信息处理
   普通用户可以创建一个工作流来整理个人文件。例如，自动压缩指定文件夹内的所有图片，或者将下载的PDF电子书转换为机器可读的格式，并提取关键信息进行归档。

品質保証

1. 使用Oomol需要自己安装Python或Node.js环境吗？
   不需要。Oomol使用容器技术内置了统一的Python和Node.js开发环境，用户无需在本地进行任何安装或配置。这确保了工作流在任何设备上都能以相同的方式运行，解决了“在我的电脑上能跑”的环境依赖问题。
2. Oomol是否支持处理视频和音频文件？
   是的。Oomol支持多媒体处理。用户可以通过封装如FFmpeg这样的专业处理库来创建自定义功能节点，从而在工作流中实现对音视频文件的转码、剪辑、添加字幕等复杂操作。
3. 完全不懂编程的用户可以使用Oomol吗？
   可以使用。对于不懂编程的用户，可以通过拖放社区中已经封装好的模块来搭建工作流，实现例如文件压缩、PDF处理等任务。但要实现更复杂和定制化的功能，编写少量代码（如Python脚本）将能发挥平台更大的潜力。
4. 我在社区分享的工作流，其他人能看到我的代码吗？
   可以。Oomol的社区共享是基于源码的，类似于GitHub等开源社区。当你分享一个工作流时，其他人可以查看并在此基础上进行二次开发，这种开放共享的方式旨在促进用户间的协作和创新。