艺术指导概念插图(6 种风格预设)
针对封面、痛点隐喻与总结页,自动锁定深浅画布底色并注入反乱码文字护栏,由美术总监提示词精修器生成高辨识度主题视觉。
《列子·汤问》偃师造人 · 显式结构组装、可追踪、可断点重放
输入一个主题、网页链接、GitHub 仓库、学术 PDF 或音视频录音,通过确定性 DAG 工作流与原生智能体循环,直接产出原生可编辑 OOXML .pptx、16:9 .pdf、1080p 配音讲解视频、双人播客 .mp3、实验数据表 .xlsx 与自校验架构图。
$yanshi workflow run examples/generators/illustrated_slides.yml --input subject "Rust Zero-Copy I/O" --output-dir out/slides
内置节点直接抓取网页、扫描 GitHub 仓库依赖树(不执行不可信代码)、解析 arXiv 源码包与 PDF 表格,或对音视频自动提取字幕与 ASR 转写。
- id: ingest_repo
type: repo_snapshot
parameters:
max_files: 180
include_imports: true
- id: ingest_paper
type: pdf_extract
parameters:
extract_tables: true
LLM 只负责内容大纲、视觉分流决策与未知约束提问(ask_user),绝不把控底层执行流;CLI、Web Studio 与桌面端均可原地挂起并恢复。
- id: clarify_scope
type: agent
run_if: "{{ interactive }}"
parameters:
tools: ["ask_user"]
max_iterations: 4
system_prompt: "Confirm scale, audience, and constraints before drafting."
通过依赖就绪调度器并发生成各章节、双人播客台词、6 种艺术风格概念插画与 D2/Typst/TikZ 矢量图;编译器报错自动回传修复。
- id: build_visuals
type: map
parameters:
concurrency: 4
body:
- id: art_panel
type: illustration
run_if: "{{ item.visual_kind == 'illustration' }}"
- id: arch_svg
type: figure
run_if: "{{ item.visual_kind == 'arch_diagram' }}"
原生 Rust 直接写出可编辑 PowerPoint 形状/表格(.pptx)与数值型 Excel(.xlsx),配合沙箱隔离的 Typst、Pandoc、FFmpeg 合成 16:9 .pdf 与 1080p .mp4。
- id: deck_bundle
type: render_slides
parameters:
export_pptx: true # Pure-Rust native editable OOXML
export_pdf: true # 16:9 Typst vector deck
theme: "{{ slide_theme }}"
所有媒体产物均以一等公民 FlowValue::File 落盘并附带 SHA-256 清单,支持 --checkpoint 从最后一个成功节点秒级恢复,不重复计费。
# Resume an interrupted multi-stage video run from last completed node:
yanshi workflow resume 019a8f2c examples/generators/tech_slides_video.yml \
--output-dir out/lecture
下方三张实拍产物来自同一套 Yanshi 演示流水线。规划器根据每页语义自动分流至最匹配的视觉引擎,最终合并导出为可二次编辑的原生 OOXML .pptx、16:9 .pdf 与交互式 .html。
针对封面、痛点隐喻与总结页,自动锁定深浅画布底色并注入反乱码文字护栏,由美术总监提示词精修器生成高辨识度主题视觉。
系统架构、状态机与数据流页直接编译为精确的 D2、Typst、TikZ 或容器隔离 Python 图表,语法异常自动触发编译器诊断闭环修复。
代码剖析、基准指标与清单页由纯 Rust 引擎直接生成原生 PowerPoint 形状(<p:sp>)、表格(<a:tbl>)与连线,打开 PowerPoint / Keynote 即可逐字修改。
从完全静态编排的确定性 DAG,到每步自主决策的智能体循环,再到「一次规划、编译为并行 DAG 执行」的动态工作流,共享同一套工具注册表(ToolRegistry)与安全治理壳(yanshi-harness)。
适用于可复现的内容生产线、批处理与数据管道。运行前通过 yanshi workflow validate --strict 静态检查表达式与节点契约。
map / while / run_if 控制流
cost_limit_usd 实时熔断保护
AgentNode 在任意 DAG 节点内嵌入自主智能体
# Validate statically, cap spend, and export numeric Excel sheets
name: paper_reader
cost_limit_usd: 1.50
nodes:
- id: extract
type: pdf_extract
parameters:
source: "{{ source }}"
extract_tables: true
- id: bilingual_digest
type: llm
dependencies: ["extract"]
parameters:
model: "gpt-4o"
response_format: json_schema
prompt: "Synthesize key contributions and benchmarks..."
- id: export_excel
type: render_table
dependencies: ["bilingual_digest"]
parameters:
format: "xlsx"
结构化记录每一步观察、规划、工具调用、反思与停止原因(AgentStopReason),并可将任意确定性 DAG 封装为 WorkflowTool 供智能体按需调用。
SKILL.md 技能包
ask_user 跨 CLI、HTTP SSE 与 Tauri 桌面端一致挂起与恢复
# Planner agent inspects the source, selects matching DAG generators,
# invokes WorkflowTools in parallel, and verifies output artifacts:
yanshi skill run examples/applications/content-studio \
--input url="https://arxiv.org/abs/1706.03762" \
--input want="report,mindmap,audio_overview" \
--output-dir "out/studio-bundle"
由 DynamicWorkflowAgent 在运行期生成拓扑计划,经白名单校验后编译为标准 yanshi_core::Flow 并行执行——只需一次规划开销,后续全程可回放、可设断点。
use yanshi_agents::dynamic::{compile_plan_to_flow, DynamicWorkflowAgent};
use yanshi_core::FlowExt;
let plan = planner_agent.author_plan(&task, &allowed_tools).await?;
let flow = compile_plan_to_flow(&plan, ®istry)?;
// Executes on the standard concurrent scheduler with full tracing & checkpoints:
let outputs = flow.run().await?;
既可作为独立网关/CLI 使用,也可按需引入分层 Crate 嵌入自有 Rust 服务。SecurityProfile::Production 默认开启 OS 沙箱并拒绝未签名插件与非回环裸绑。
code_exec 强制运行于零网络隔离容器(ContainerBackend)
HttpTool 逐请求固定 DNS 解析并归一化 IPv6,封堵 DNS 重绑定 SSRF
use std::sync::Arc;
use yanshi_core::{flow::{Flow, GraphNode, NodeType}, FlowExt};
use yanshi_nodes_ai::nodes::llm::LlmNode;
use yanshi_tool::SecurityProfile;
// Production fail-closed defaults: OS sandbox & Ed25519 signature verification
let profile = SecurityProfile::Production;
let mut flow = Flow::new();
flow.add_node(GraphNode::standard("summarize", Arc::new(LlmNode::default())));
let result = flow.run().await?;
点击任意模板卡片即可直接在页内展开完整语法高亮 YAML 源码、DAG 节点拓扑与运行命令,无需跳出当前页面。
联网检索考证 + 三路智能视觉路由(6 种概念插画预设、D2 架构图、原生可编辑表格/代码框)。
渐进式分步动画与毫秒级语音配音对齐,支持聚光灯高亮框与画中画主讲人视频合成。
基于指定资料源生成的结构化幻灯片,内置自修复矢量图(零生图 Key 亦可开箱运行,按需开启插画)。
多幕分镜并行插画或动态视频片段(text_to_video)生成,自动配音并混流字幕轨道。
双人对话式深度播客脚本,双声线并行合成并通过 EBU R128 广播级响度标准化输出。
静态扫描本地目录或远程 GitHub 仓库结构与内部依赖图,输出 D2 系统架构图与模块剖析手册。
支持交互式 ask_user 需求澄清,一次性生成架构图、UML 类图/时序图、ER 图、PostgreSQL DDL 与完整设计书。
精读 arXiv 或本地论文 PDF,提取数值实验对比表导出为 Excel,并生成双语导读手册、方法图与思维导图。
优先提取原生字幕,缺失时自动回退 FFmpeg 抽音 + ASR 语音识别,输出带时间戳纪要、双语字幕与导图。
按大纲分节并行撰写深度研究报告,每处论据绑定原文分块脚注引用并排版为出版级 PDF。
提炼核心指标与对比洞察,经由确定性 Tera SVG 海报引擎渲染高清矢量信息图与 PNG。
抽取多层知识树结构,同时导出静态矢量导图与可离线折叠交互的 HTML 脑图。
先抽取类型化元器件清单校验连接拓扑,再调用 circuitikz + lualatex 编译精准电路原理图。
将技术文档或教材转化为单文件离线可翻转记忆闪卡与结构化 JSON 题集。
生成带即时判分、答案解析与原文溯源的交互式自测题页。
各运行时从不互相耦合,只依赖 L0 纯类型窄腰内核;工具层与能力层严格分离,每次提交由 cargo xtask check-arch 静态审计。
一行命令完成工作流严格校验、执行、断点续跑与终端 TUI 轨迹重放(trace replay)。
cargo install --path yanshi-cli
启动 yanshi-server 即可访问 /ui/app 模板运行台与 /ui/studio 节点断点画布,内联预览幻灯片与音视频。
cargo run --package yanshi-server
基于 Tauri v2 内嵌本地 Rust 执行引擎,无需安装 PostgreSQL 或外部服务端,支持离线 ask_user 交互与一键安装至 /Applications。
./scripts/install_desktop.sh --open
围绕可编辑产物格式、大模型接入、安全沙箱隔离以及与主流智能体框架的差异说明。
是原生可编辑的 OOXML 演示文稿。Yanshi 内置纯 Rust 编写的 OOXML 写入器,直接输出标准 PowerPoint 形状(<p:sp>)、原生表格(<a:tbl>)、代码卡片与连线,在 PowerPoint、Keynote 或 WPS 中打开即可逐字编辑;同时按每页意图分流融合 D2/Typst/TikZ 矢量架构图与 6 种艺术风格概念插画,并同步导出 16:9 .pdf 与交互式 .html。
完全可以。只需配置任一文本大模型 Key 即可开箱运行 slides.yml、report.yml、repo_architecture.yml、backend_project_planner.yml、paper_reader.yml、mindmap.yml 等绝大多数生成器。运行时原生支持 OpenAI、Anthropic Claude、Google Gemini、Moonshot(Kimi)、StepFun,以及任意兼容 OpenAI 接口的服务(如 DeepSeek、Qwen、本地 Ollama)。
Yanshi 将「确定性并发 DAG 工作流」、「原生 ReAct / Plan-Execute / 多智能体循环」与「运行期动态编译工作流」统一在同一套零运行时依赖耦合的 Rust L0 窄腰内核上:既编译为单一高性能静态二进制(调度与预算护栏开销低于 1ms,内置 44 模型硬性 cost_limit_usd 熔断),又以一等公民磁盘文件句柄(FlowValue::File)打通 PPTX、1080p 配音视频、PDF、Excel 与播客渲染,免除 Python 环境冲突与 Base64 内存膨胀。
SecurityProfile::Production 采用默认闭锁(fail-closed)策略:宿主机工具自动运行于 macOS sandbox-exec 或 Linux Landlock + seccomp + cgroup v2 操作系统沙箱中;code_exec 绘图代码强制运行在无网络隔离容器(ContainerBackend)内;repo_snapshot 仅静态解析清单与导入树而不执行仓库代码;HttpTool 逐请求绑定 DNS 解析并归一化 IPv6 地址以阻断 DNS 重绑定 SSRF;技能包与插件默认强制校验 Ed25519 数字签名。
不会。开启 --checkpoint(或通过网关与桌面端运行)后,每个节点完成即刻落盘检查点及已累计账单金额与产物 SHA-256 清单。执行 yanshi workflow resume <run_id> 时仅从尚未完成的下游节点继续并发调度,已成功的大模型与生图/配音节点直接复用落盘结果,不重复计费。