架构与部署边界
Workrun 在桌面端执行工作流。团队模式增加身份认证、版本共享和可选的服务端模型访问;Trace 导出是一条独立、按需启用的链路。
桌面端(React 界面 → Tauri 命令 → Rust 运行时) ├─ 本地 SQLite:工作流、修订、对话、定时任务、运行、检查点 ├─ 本地文件:Python App 项目、运行环境、artifacts ├─ 选定的本机 Provider 连接 ───────────────────────────────→ Provider ├─ Workrun 会话 ─→ Workrun Server ─→ LiteLLM Team Virtual Key ─→ Provider │ └─ MongoDB:账号、共享版本、文件资源 └─ 可选 OTLP/gRPC ─→ OTel Collector ─→ Langfuse web/worker └─ PostgreSQL、ClickHouse、 Redis、对象存储Server、LiteLLM、Langfuse 可以分别部署或接入已有服务,不要求同一套 Compose、共享网络或统一启动器。
桌面端负责编排和执行
Section titled “桌面端负责编排和执行”React 界面提交命令并接收原生事件。Rust host 维护持久状态和权限校验,模型回复本身不能代替方案批准、未批准变更的保存或执行授权。
首页先通过轻量路由器进入对话、任务或工作流路径。普通任务可使用现有工具或匹配的已保存工作流;工作流编排遵循以下边界:
- Planner 搜索现有能力,读取可能匹配项的完整契约;找到可复用工作流则返回该对象,否则保存待审方案。
- 用户批准方案后,Author 才能验证并保存约定的定义。保存不代表运行或发布。
- 独立的执行请求及必要的执行确认,才允许原生 run manager 启动已保存定义。
- 修复请求先检查已存运行诊断和当前定义,再针对明确的目标工作流提出修改。
Run manager 编译执行图、推送节点/模型/工具事件、保存运行结果,并维护检查点和待处理交互。Process App 在本机 Python 环境运行;MCP 工具、Remote Agent 使用各自配置的连接。这些资源不会随团队服务部署进 Server 容器。
“定时任务”页面使用独立的调度 Agent:发现现有目标、预览时间配置,经原生确认后保存任务。它不能创建工作流或立即发起业务运行。调度仍在桌面端,应用必须运行并能访问目标与凭据,详见定时运行。
本地定义与共享版本
Section titled “本地定义与共享版本”本地数据按工作区隔离;团队工作区进一步区分 Server 和登录账号。个人模式创建的工作流不会自动进入团队空间,切换账号也不会暴露上一账号的本地草稿和历史。
| 入口 | 团队模式选择的定义 |
|---|---|
| 首页能力发现与复用 | 当前账号已保存的本地工作流,随后是可访问的团队发布版本与本地 App |
| 首页按 ID 读取和执行 | 同 ID 存在本地定义时读取本地最新定义,否则读取团队发布版本 |
| 团队定时任务 | 发布定义,根据 recipe 跟随最新发布版或固定 release |
| 其他成员使用共享工作流 | 发布版本及其固定版本的 Team App 依赖 |
因此,自己保存的本地工作流无需发布就能被首页复用。编辑器尚未保存的修改不属于已保存能力。同 ID 同时有本地定义和发布版时,首页去重并使用本地定义;发现后本地定义被删除,读取会失败,不会静默改用旧发布版。发布是明确向其他成员共享版本的步骤。
Server 提供协作和模型访问
Section titled “Server 提供协作和模型访问”NestJS Server 使用 MongoDB 保存账号、Workflow/App 记录、发布版本和文件资源,其中部分资源通过 GridFS 保存。Better Auth 验证桌面端会话。工作流执行、检查点、运行历史、本地 artifacts 和定时任务仍在执行设备上。
启用 LiteLLM 后,桌面端从 GET /api/v1/llm/models 获取模型目录,通过 POST /api/v1/llm/chat/completions 或 POST /api/v1/llm/responses 推理。Server 验证登录和模型可见性,注入 Team Virtual Key 并生成用户归因。Provider 凭据只在 LiteLLM,桌面端不接收 Team Key 或 master key。
启用网关接入时,当前一个 Server 部署对应一个 LiteLLM Team。有效登录用户共享该 Team 的模型访问权限,尚无独立的 Workrun 组织成员管理或成员级模型策略。团队模式也允许明确选择本机 Provider 直连;网关失败不会自动切换到直连。
Responses 使用无状态模式:桌面端重放历史,Server 强制 store: false,不开放上游托管会话、previous response ID 或后台 Responses。详见配置模型访问。
Langfuse 观测桌面运行时
Section titled “Langfuse 观测桌面运行时”可选 exporter 通过 OTLP/gRPC 导出桌面端对话、工作流、节点、模型 generation 和工具 observation。Collector 添加 Langfuse 项目认证并通过 OTLP/HTTP 转发 Trace;配套 Collector 配置丢弃 metrics。这条链路不需要 Langfuse AI Gateway,也不需要 LiteLLM 的 Langfuse callback。
导出 metadata 可能包含工作区/账号身份,以及 session/run/node/call ID。输入输出正文默认不导出,在 设置 → 日志 中单独开启。本地运行历史仍负责恢复,Trace 不会恢复检查点和 artifacts。当前接入没有把 NestJS Server 单独仪表化为分布式追踪服务。
详见运行与追踪和部署 Server、LiteLLM 与 Langfuse。
| 职责 | 仓库路径 |
|---|---|
| 桌面 UI 与服务适配 | apps/desktop/src |
| 对话、任务、规划与编排运行时 | apps/desktop/src-tauri/src/module/assistant |
| 工作流持久修订 | apps/desktop/src-tauri/src/feat/workflow |
| 运行管理、执行图与调度 | apps/desktop/src-tauri/src/module/{run_manager,workflow,schedule,schedule_agent} |
| 团队模型传输与身份 | apps/desktop/src-tauri/src/module/team_model.rs |
| OTLP 导出与 Langfuse observation | apps/desktop/src-tauri/src/core/telemetry*.rs |
| 认证、版本与模型代理 | apps/server/src |
| 独立 Compose 部署示例 | apps/server/docker-compose.yaml、infra/litellm、infra/langfuse(独立示例) |