Sim Studio：27K星开源AI Agent编排平台，3分钟搭建你的智能工作流

你是不是也这样：每天在ChatGPT和十几个工具之间来回切换？

写文案要切到Claude，整理数据要跑Python脚本，发邮件要开Gmail，团队协作还要同步飞书……AI再强，如果只能一个任务一个任务地手动操作，效率永远上不去。

更烦的是，你想让AI自动串联多个步骤——比如"先抓取网页数据，再分析整理，最后生成报告发邮件"——结果发现没有任何工具能简单地把这些步骤连起来。

Sim Studio就是为解决这个问题而生的：一个开源的AI Agent可视化编排平台，让你像搭积木一样，把AI模型、工具和工作流连在一起，一键运行。

Sim Studio是什么？

Sim Studio是一个开源的AI Agent工作流编排平台，核心能力是用拖拽方式搭建AI工作流。你可以把不同的AI模型（OpenAI、Claude、Gemini、DeepSeek、Ollama本地模型等）、工具（网页搜索、代码执行、邮件发送等）和数据源连成一个完整的自动化流程。

简单说：它就是把"给AI发一条消息"升级为"让一队AI帮你跑完整个流程"的工具。

GitHub地址：https://github.com/simstudioai/sim

官网：https://sim.ai

目前已有27,874颗星（还在快速增长中），HN上196赞。

核心功能

安装步骤

方式一：最快上手——npx一键启动（推荐新手）

前提条件：你的电脑需要安装Docker（Docker Desktop下载）

Mac用户：

# 安装Docker Desktop后，一键启动Sim Studio
npx simstudio

启动后打开浏览器访问 http://localhost:3000 就能用了。

Windows用户：

# 确保Docker Desktop已启动，然后运行
npx simstudio

Linux用户：

# 先装Docker
sudo apt-get update
sudo apt-get install docker.io docker-compose-plugin
sudo systemctl start docker

# 然后一键启动
npx simstudio

可选参数：

方式二：Docker Compose部署（推荐自托管）

Mac/Linux/Windows通用：

# 克隆仓库
git clone https://github.com/simstudioai/sim.git
cd sim

# 启动所有服务
docker compose -f docker-compose.prod.yml up -d

启动后访问 http://localhost:3000

如果要搭配Ollama使用本地模型：

# 用Ollama版本的compose文件
docker compose -f docker-compose.ollama.yml --profile setup up -d

注意：至少需要12GB内存才能流畅运行Sim Studio + Ollama。

方式三：手动安装（适合开发者自定义环境）

前提条件：

• Bun 运行时
• Node.js 20+
• PostgreSQL 12+（需安装pgvector扩展）

第1步：克隆和安装依赖

git clone https://github.com/simstudioai/sim.git
cd sim
bun install
bun run prepare  # 设置pre-commit钩子

第2步：配置PostgreSQL

# 用Docker启动带pgvector的PostgreSQL
docker run --name simstudio-db \
  -e POSTGRES_PASSWORD=yourpassword \
  -e POSTGRES_DB=simstudio \
  -p 5432:5432 \
  -d pgvector/pgvector:pg17

第3步：配置环境变量

cp apps/sim/.env.example apps/sim/.env

# 生成安全密钥
perl -i -pe "s/your_encryption_key/$(openssl rand -hex 32)/" apps/sim/.env
perl -i -pe "s/your_internal_api_secret/$(openssl rand -hex 32)/" apps/sim/.env
perl -i -pe "s/your_api_encryption_key/$(openssl rand -hex 32)/" apps/sim/.env

# 配置数据库URL
cp packages/db/.env.example packages/db/.env
# 编辑 .env 文件，设置 DATABASE_URL="postgresql://postgres:yourpassword@localhost:5432/simstudio"

第4步：运行数据库迁移

cd packages/db
bun run db:migrate

第5步：启动开发服务器

bun run dev:full  # 同时启动Next.js前端和实时通信服务

使用方法

用法一：用Copilot自然语言创建工作流

这是最简单的入门方式——直接用中文描述你想要什么：

1. 打开Sim Studio，点击"New Workflow"
2. 在Copilot输入框中输入："帮我创建一个工作流：每天早上从RSS源抓取AI新闻，用GPT总结，然后发送到我的邮箱"
3. Sim Studio的Copilot会自动生成对应的工作流节点和连接
4. 你只需要检查每个节点的配置，填入API密钥等必要信息
5. 点击"Run"运行

用法二：手动拖拽搭工作流

适合想精确控制每一步的用户：

1. 在画布上拖入一个"Agent"节点——选择你要用的AI模型（比如Claude 3.5 Sonnet）
2. 拖入"Search"节点——配置搜索工具
3. 拖入"Code"节点——写Python脚本处理数据
4. 拖入"Output"节点——设置输出方式（邮件、Webhook等）
5. 用连线把这些节点串起来
6. 点右上角"Run"运行

用法三：知识库问答（RAG）

如果你有私有文档想让AI来回答问题：

1. 进入"Knowledge"面板
2. 上传你的PDF、Word、TXT文件
3. Sim Studio会自动将文档向量化并存入向量数据库
4. 在工作流中添加一个"Knowledge"节点，关联你上传的文档库
5. Agent在回答问题时会自动检索相关文档，给出基于你内容的回答

实际场景举例

与同类工具对比

Sim Studio的独特优势：

1. Copilot是杀手级功能 — 你不需要学习复杂的节点配置，直接说"帮我做个XX工作流"，它就帮你搭好了
2. AI Agent是第一公民 — 不是在传统工作流里硬塞AI，而是从底层就为Agent设计
3. 中文友好 — 界面虽然英文，但Agent的提示词完全支持中文，对国内用户非常友好
4. 私有化部署简单 — npx simstudio 一条命令搞定，比Dify还简单

小结

Sim Studio把AI Agent编排这件事做对了两点：一是有Copilot帮你自然语言创建工作流，二是从底层就为Agent而非普通自动化设计。如果你想让AI真正帮你跑完整个业务流程，而不是每次都要手动复制粘贴、逐个工具操作，Sim Studio是目前开源方案里最省心的选择。

GitHub地址：https://github.com/simstudioai/sim

官网：https://sim.ai