goalflow 今日发布

goalflow是一款基于LangGraph的生产级LLM应用开发框架，同时提供可视化设计和代码优先两种开发模式。它最大的特点是将Dify工作流编辑器的易用性与LangGraph的灵活性结合：用户可以在Dify中拖拽设计工作流，一键导出DSL并转译为可版本控制的LangGraph Python文件，无需被Dify运行时锁定。

对于更复杂的场景，goalflow提供了完整的ReAct/Deep/Custom Agent循环能力。内置的agent_kit SDK包含Agent模块、中间件、模型路由、故障转移、技能系统和可观测性组件，开发者可以用纯代码构建任意复杂的智能体逻辑。工作流中的任何节点都可以嵌入一个Agent循环，而Agent也可以将子工作流作为工具调用，两者可以任意嵌套组合。

框架内置20多种节点类型，包括LLM调用、代码执行、HTTP请求、条件分支、分类器、迭代循环、循环节点、工具调用、文档提取等，覆盖了LLM应用开发的绝大多数场景需求。内置的SKILL.md技能系统支持自然语言匹配和提示词自动注入，使技能复用变得简单规范。

性能方面，goalflow采用全异步I/O管道设计，在2核CPU/4GB内存×2副本的负载测试中，成功支撑了100个并发对话且首token响应时间无明显退化，流式输出延迟低且稳定。协议适配层支持Dify标准和OpenAI兼容两种模式，同时保留自定义扩展接口。存储层采用Redis（热数据）+ MySQL（冷数据）双层架构，ElasticSearch存储正在规划中。

此外还内置了Langfuse追踪和内存泄漏监控功能，支持SSE流式输出和人工介入（HITL）中断机制，适合需要对AI输出进行人工审核的合规场景。完整文档覆盖架构解析、节点参考、API规范、安全检查清单等12个主题模块。

适用场景包括：企业级对话应用开发、需要人工审核的合规AI流程、多模型路由的生产级聊天机器人，以及需要将LLM能力集成到现有业务流程的开发者。