Sim：快速构建和部署AI代理工作流的开源工具

Sim是一个开源的 AI 代理工作流构建平台，旨在帮助用户快速创建和部署连接各种工具的大语言模型（LLM）。它提供直观的界面，适合开发者、技术爱好者和企业用户。Sim Studio 支持云端和本地部署，灵活性高，兼容多种运行环境。用户可以通过简单的 NPM 命令或 Docker Compose 快速启动，也可选择手动配置或开发容器方式运行。平台支持本地模型加载，适配 NVIDIA GPU 或 CPU 环境。Sim Studio 强调轻量级设计和用户友好体验，适合快速开发 AI 驱动的工作流。

功能列表

• 工作流构建：通过直观界面快速设计 AI 代理工作流，连接外部工具和数据源。
• 多种部署方式：支持云端托管、本地运行（NPM、Docker Compose、开发容器、手动配置）。
• 本地模型支持：集成本地大语言模型，通过脚本拉取模型并适配 GPU 或 CPU 环境。
• 实时服务器：提供实时通信功能，支持动态工作流调整和数据交互。
• 数据库集成：支持通过 Drizzle ORM 配置数据库，简化数据管理。
• 开源与社区贡献：基于 Apache-2.0 许可证，鼓励社区参与开发和优化。

使用帮助

安装与部署

Sim Studio 提供了多种安装和部署方式，满足不同用户需求。以下是详细步骤：

方法 1：使用 NPM 包（最简单）

这是最快速的本地部署方式，只需安装 Docker 即可。

1. 确保已安装并运行 Docker。
2. 在终端运行以下命令：

   npx simstudio
   

3. 打开浏览器，访问 http://localhost:3000/。
4. 可选参数：
   • -p, --port <port>：指定运行端口（默认 3000）。
   • --no-pull：跳过拉取最新 Docker 镜像。

方法 2：使用 Docker Compose

适合需要更多控制的用户。

1. 克隆仓库：

   git clone https://github.com/simstudioai/sim.git
   cd sim
   

2. 运行 Docker Compose：

   docker compose -f docker-compose.prod.yml up -d
   

3. 访问 http://localhost:3000/。
4. 若使用本地模型：
   • 拉取模型：

     ./apps/sim/scripts/ollama_docker.sh pull <model_name>
     

   • 启动支持本地模型的环境：
     • GPU 环境：

       docker compose --profile local-gpu -f docker-compose.ollama.yml up -d
       

     • CPU 环境：

       docker compose --profile local-cpu -f docker-compose.ollama.yml up -d
       

   • 服务器部署：编辑 docker-compose.prod.yml，设置 OLLAMA_URL 为服务器公网 IP（例如 http://1.1.1.1:11434），然后重新运行。

方法 3：使用开发容器

适合使用 VS Code 的开发者。

1. 安装 VS Code 和 Remote – Containers 扩展。
2. 打开克隆的 Sim Studio 项目，VS Code 会提示“Reopen in Container”。
3. 点击提示，项目自动在容器中运行。
4. 在终端运行：

   bun run dev:full
   

   或使用快捷命令：

   sim-start
   

方法 4：手动配置

适合需要完全自定义的用户。

1. 克隆仓库并安装依赖：

   git clone https://github.com/simstudioai/sim.git
   cd sim
   bun install
   

2. 配置环境变量：

   cd apps/sim
   cp .env.example .env
   

   编辑 .env 文件，设置 DATABASE_URL、BETTER_AUTH_SECRET 和 BETTER_AUTH_URL。

3. 初始化数据库：

   bunx drizzle-kit push
   

4. 启动服务：
   • 运行 Next.js 前端：

     bun run dev
     

   • 运行实时服务器：

     bun run dev:sockets
     

   • 同时运行两者（推荐）：

     bun run dev:full
     

主要功能操作流程

1. 创建 AI 工作流：
   • 登录 Sim Studio（云端或本地）。
   • 在界面选择“新建工作流”。
   • 拖拽模块或通过模板配置 AI 代理，连接工具（如 Slack、Notion 或自定义 API）。
   • 设置触发条件和输出目标，保存并测试工作流。
2. 使用本地模型：
   • 拉取模型（如 LLaMA 或其他开源模型）：

     ./apps/sim/scripts/ollama_docker.sh pull <model_name>
     

   • 在工作流配置中选择本地模型，指定 GPU 或 CPU 模式。
   • 测试模型响应，确保工作流正常运行。
3. 实时通信：
   • Sim Studio 的实时服务器支持动态调整工作流。
   • 在界面中启用实时模式，观察数据流和输出结果。
   • 可通过 API 或界面手动触发工作流更新。
4. 数据库管理：
   • 使用 Drizzle ORM 配置数据库，存储工作流数据。
   • 在 .env 中设置 DATABASE_URL，运行 bunx drizzle-kit push 初始化。
   • 通过界面查看和管理数据表。

注意事项

• 确保 Docker 版本为最新，以避免兼容性问题。
• 本地模型需要较大存储空间和计算资源，建议使用高性能 GPU。
• 服务器部署需配置公网 IP 和端口，确保外部访问正常。

应用场景

1. 自动化客服
   使用 Sim Studio 构建 AI 客服代理，连接 CRM 系统和聊天工具，自动回复客户咨询，减少人工干预。
2. 内容生成
   开发者可通过本地模型生成文章、代码或设计草稿，集成 Notion 或 Google Drive 存储输出。
3. 数据分析工作流
   配置 AI 代理分析 CSV 数据，生成可视化报告，连接 Tableau 或自定义 API 自动化处理。
4. 个人生产力工具
   连接日历、邮件和任务管理工具，自动安排日程或生成会议摘要。

QA

1. Sim Studio 是否免费？
   Sim Studio 是基于 Apache-2.0 许可证的开源项目，免费使用。云端版本可能涉及托管费用，具体需查看官方定价。
2. 需要编程经验吗？
   不需要。界面操作简单，适合非技术用户。但开发者可通过手动配置或 API 实现更复杂功能。
3. 支持哪些大语言模型？
   支持多种开源模型（如 LLaMA），可通过脚本拉取并在本地运行。
4. 如何贡献代码？
   参考 GitHub 仓库的 Contributing Guide，提交 Pull Request 即可参与开发。