【免费下载链接】rocketride-serverHigh-performance AI pipeline engine with a C core and 50 Python-extensible nodes. Build, debug, and scale LLM workflows with 13 model providers, 8 vector databases, and agent orchestration, all from your IDE. Includes VS Code extension, TypeScript/Python SDKs, and Docker deployment.项目地址https://gitcode.com/gh_mirrors/ro/rocketride-server点击查看免费下载Pipeline管道是 RocketRide 的工作单元一个由组件构成的有向图负责移动与转换数据以.pipeJSON文件为载体由引擎负责执行。本文将从组件/Provider 模型、数据通道与调用Invoke连接这两种接线方式入手结合仓库内真实.pipe示例逐字段拆解其 JSON 结构帮助你从零读懂并编写可运行、可调试、可扩展的 RocketRide 管道。什么是 Pipeline在 RocketRide 中pipeline 是工作的基本单位——它不是一次性的脚本而是一个描述数据如何流动、如何被加工的有向图。图中的每个点是一个组件component边则是组件之间的连接connection。一个 pipeline 从 Source 型组件如webhook、dropper接收外部输入经过中间组件变换最终由response类组件输出结果。Pipeline 以.pipe文件JSON 格式被创作与保存并交由引擎执行。仓库中这两层能力是分离的执行引擎核心位于 packages/server/engine-core 与 packages/server/engine-lib以 C 为主实现是管道调度与数据搬运的底层可扩展节点位于 nodes/src/nodes包含 685 个 Python 文件与 173 个节点 README对应 50 类可插拔的 Provider 实现LLM、向量数据库、Agent、工具等这也是 RocketRide C 内核 Python 可扩展节点 架构的直接体现。因此编写 pipeline 的核心工作就是用 JSON 描述有哪些组件、各自什么行为、彼此如何连接。组件与 Provider图中的每个节点都是一个组件component由两个关键字段定义id组件在管道内的唯一标识如in、out、dropper_1供其他组件通过input/control引用provider决定组件行为的提供者类型例如webhook、response、dropper、llm_openai_api、agent_crewai、tool_pipe等。Provider 特有的设置统一放在组件的config中不同 Provider 的config结构完全不同。例如在 examples/landing_ai/landing_ai_extract.pipe 中可以看到三种典型形态dropper组件用config控制 UI 行为hideForm: true、mode: Sourcelanding_ai_parse组件用config.default携带模型参数model、region、api_keylanding_ai_extract组件用config.default携带strict开关与 base64 编码的 JSON Schema 文件。节点目录 nodes/src/nodes 即Provider 目录其中每个子目录如webhook、response、llm_openai、tool_pipe、store_chroma对应一个 Provider内含其 README 与 Python 实现是查阅全部可用 Provider 的第一手资料。数据通道Data Lane与调用连接Invoke Connection组件之间有两种截然不同的接线方式这是理解 pipeline 的核心概念数据通道类型化的数据流**数据通道data lane**是一条类型化的数据通道例如questions→answers数据从上游组件产出后沿通道流入下游组件。在.pipe中它被声明为组件的input连接数组input: [{ lane: questions, from: in }]语义是从组件in的questions通道接收数据。通道是有方向的流式管道下游按通道名消费上游产出。多个上游可以合并到同一lane如 examples/tool-pipe-diamond.pipe 中join_1同时从branch_a_1与branch_b_1的questions通道取数实现 fan-in 汇合。调用连接按类类型调用调用invoke / control连接是另一种关系一个组件按类类型class type调用另一个组件而不是通过通道流式传输数据。典型场景是 Agent 在运行中按需调用 LLM、记忆或工具control: [{ classType: llm, from: agent_1 }] control: [{ classType: memory, from: agent_1 }] control: [{ classType: tool, from: agent_1 }]以上来自 examples/tool-pipe-diamond.pipeagent_crewai组件通过三条control连接分别声明我可以调用一个llm、一个memory、一个tool引擎据此把管道中相应类别的组件作为可注入依赖绑定给 Agent。两者的区别可归纳为维度数据通道Data Lane调用连接Invoke/Control声明位置组件的input数组组件的control数组引用方式按lane通道名按classType类类型数据语义流式传输数据控制/调用关系典型场景上游产出 → 下游消费如text、answersAgent 按需调用 LLM、记忆、工具值得注意的边界约束记录在 examples/incorrect/README.mdtool_pipe是**仅调用型invoke-only**节点其services.json只声明_source输出而不接受数据输入通道——它必须经由control被调用而不是被数据通道驱动。这类错误示例目录examples/incorrect专门收录违反接线规则的管道用于说明引擎对连接方式的校验边界。.pipe 文件的 JSON 结构.pipe文件是符合 pipeline schema 的 JSON。从仓库中真实的.pipe文件如 examples/landing_ai/landing_ai_extract.pipe、examples/tool-pipe-diamond.pipe可以归纳出常见顶层字段字段含义示例name管道名称可选Landing.ai Parse Extractdescription管道说明可选Drop a document; Landing.ai parses it to Markdown...source管道入口组件的 idchat_1components组件数组管道的核心见下文project_id管道所属项目的 UUID3c4d5e6f-7081-4b9c-8d0e-2f3a4b5c6d7eversion文件版本号1isLocked是否锁定防误改falsesnapToGrid/snapGridSize画布网格吸附设置true/[10, 10]docRevision文档修订号2每个组件的完整字段为{ id: 组件唯一标识, provider: 行为提供者, config: { provider 专属配置 }, input: [ { lane: 数据通道名, from: 上游组件 id } ], control: [ { classType: 类类型, from: 调用方组件 id } ], ui: { 画布上的位置与表单状态 } }其中ui段如position.x、position.y、formDataValid是可视化编辑器RocketRide IDE/插件使用的元数据运行时不参与数据语义引擎执行时以config与input/control为准。最小示例webhook 进、response 出原文档给出的最小管道如下它是理解.pipe的起点——两个组件、一条数据通道、一次完整的数据流动{ components: [ { id: in, provider: webhook, config: { mode: Source } }, { id: out, provider: response, config: { lanes: [{ laneId: questions, laneName: questions }] }, input: [{ lane: questions, from: in }] } ] }逐段解读in组件provider为webhookconfig.mode: Source表示它是输入源管道从这里接收外部推送的数据out组件provider为responseconfig.lanes声明它对外暴露的通道questionslaneId是内部标识laneName是对外显示名input: [{ lane: questions, from: in }]把in的questions通道接到out上形成in → out的单边数据流。这个示例演示了管道的最简骨架一个 Source 组件 一个 Response 组件 一条数据通道。实际项目中中间通常串联若干变换组件解析、提取、生成、存储。实战示例文档解析 字段抽取管道examples/landing_ai/landing_ai_extract.pipe 是一个完整的真实管道上传文档 → 解析为 Markdown → 按 JSON Schema 抽取结构化字段 → 输出答案。其组件链为dropper_1 --tags-- landing_ai_parse_1 --text-- landing_ai_extract_1 --answers-- response_answers_1关键点拆解入口dropper_1provider: dropper、mode: Source是管道的文件输入源通过tags通道向下游输出文件引用解析landing_ai_parse_1input: [{ lane: tags, from: dropper_1 }]从上游tags通道接收文件config.default指定model: dpt-2-latest、region: production与api_key抽取landing_ai_extract_1input: [{ lane: text, from: landing_ai_parse_1 }]消费上游解析出的text通道config.default中strict: false表示抽取允许容错schema_file以data:application/json;name...;base64,...的形式内嵌了一份发票 JSON Schema含invoice_number、invoice_date、vendor_name、line_items、total_invoice_amount等字段及x-alternativeNames别名提示供 LLM 对齐字段语义出口response_answers_1provider: response_answersconfig.laneName: answers消费上游answers通道把结构化结果对外返回。这个例子展示了三个值得复用的实践通道名即契约tags/text/answers在链路中一一对应、Provider 参数分层config.default内聚模型/区域/密钥、Schema 内嵌传输用 data URL 把 Schema 文件随管道一起分发。进阶模式Agent 工具调用、子管道与环境变量examples/tool-pipe-diamond.pipe 展示了更复杂的接线组合包含本文前述两种连接的全部形态Agent 声明调用依赖agent_1agent_crewai通过三条control连接声明可调用llmagent_llm_1、memoryagent_memory_1与toolpipe_tool_1工具子管道钻石拓扑pipe_tool_1tool_pipe被 Agent 调用后把输入经text通道同时分发到branch_a_1、branch_b_1两个分支fan-out再由join_1从两条questions通道汇合fan-in最终经sub_llm_1→sub_response_1输出——形成菱形子管道环境变量插值agent_llm_1与sub_llm_1的config.custom中model: ${ROCKETRIDE_OLLAMA_MODEL}、base_url: ${ROCKETRIDE_OLLAMA_BASE_URL}说明.pipe支持以${VAR}语法引用运行时环境变量同一管道文件可在不同环境本地 Ollama / 云端间复用而无需改动文件内容。这种Agent 工具调用 子管道的组合是 RocketRide 支撑 LLM 工作流编排的核心手段外层管道负责编排与分发内层被调用的管道负责具体分支逻辑classType使依赖以类型而非实例耦合天然支持替换实现。继续深入运行第一个管道参考 examples/README.md 中的示例列表以及仓库根目录 README.md 的快速上手说明Quickstart逐字段 JSON 参考pipeline schema 的完整字段说明由 schema 源生成可结合 examples/incorrect/README.md 理解连接校验规则如 invoke-only 节点、子管道合并限制Provider 目录全部可用 Provider 及各自config参数见 nodes/src/nodes 下各节点的 README 与services.json开发文档总览docs/development/index.md 汇总了 engine、nodes、builder、apps 等模块的开发说明。掌握数据通道与调用连接这两种接线语义再对照真实.pipe示例逐字段推敲你就能从读懂管道进阶到设计管道把 LLM、向量库、Agent 与外部工具自由编排成可复用的工作流。赞分享【免费下载链接】rocketride-serverHigh-performance AI pipeline engine with a C core and 50 Python-extensible nodes. Build, debug, and scale LLM workflows with 13 model providers, 8 vector databases, and agent orchestration, all from your IDE. Includes VS Code extension, TypeScript/Python SDKs, and Docker deployment.项目地址https://gitcode.com/gh_mirrors/ro/rocketride-server点击查看免费下载相关推荐RocketRide .pipe 流水线文件编写完全指南文件格式、泳道接线、控制面与校验陷阱RocketRide .pipe 流水线文件编写完全指南文件格式、泳道接线、控制面与校验陷阱 本文以 RocketRide 官方的 Pipeline AuthRocketRide 执行模型深度解析数据通道、控制连接与 C 流式并行引擎RocketRide 执行模型深度解析数据通道、控制连接与 C 流式并行引擎 RocketRide 中 .pipe 管道文件描述的是“要运行什么”whRocketRide TypeScript SDK 实战示例全解析从最小连接到流式数据管道RocketRide TypeScript SDK 实战示例全解析从最小连接到流式数据管道 本篇技术指南以 RocketRide 开源仓库的 TypeScri创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 RocketRide Pipelines 全面解析：.pipe 文件、数据通道与调用连接
【免费下载链接】rocketride-serverHigh-performance AI pipeline engine with a C core and 50 Python-extensible nodes. Build, debug, and scale LLM workflows with 13 model providers, 8 vector databases, and agent orchestration, all from your IDE. Includes VS Code extension, TypeScript/Python SDKs, and Docker deployment.项目地址https://gitcode.com/gh_mirrors/ro/rocketride-server点击查看免费下载Pipeline管道是 RocketRide 的工作单元一个由组件构成的有向图负责移动与转换数据以.pipeJSON文件为载体由引擎负责执行。本文将从组件/Provider 模型、数据通道与调用Invoke连接这两种接线方式入手结合仓库内真实.pipe示例逐字段拆解其 JSON 结构帮助你从零读懂并编写可运行、可调试、可扩展的 RocketRide 管道。什么是 Pipeline在 RocketRide 中pipeline 是工作的基本单位——它不是一次性的脚本而是一个描述数据如何流动、如何被加工的有向图。图中的每个点是一个组件component边则是组件之间的连接connection。一个 pipeline 从 Source 型组件如webhook、dropper接收外部输入经过中间组件变换最终由response类组件输出结果。Pipeline 以.pipe文件JSON 格式被创作与保存并交由引擎执行。仓库中这两层能力是分离的执行引擎核心位于 packages/server/engine-core 与 packages/server/engine-lib以 C 为主实现是管道调度与数据搬运的底层可扩展节点位于 nodes/src/nodes包含 685 个 Python 文件与 173 个节点 README对应 50 类可插拔的 Provider 实现LLM、向量数据库、Agent、工具等这也是 RocketRide C 内核 Python 可扩展节点 架构的直接体现。因此编写 pipeline 的核心工作就是用 JSON 描述有哪些组件、各自什么行为、彼此如何连接。组件与 Provider图中的每个节点都是一个组件component由两个关键字段定义id组件在管道内的唯一标识如in、out、dropper_1供其他组件通过input/control引用provider决定组件行为的提供者类型例如webhook、response、dropper、llm_openai_api、agent_crewai、tool_pipe等。Provider 特有的设置统一放在组件的config中不同 Provider 的config结构完全不同。例如在 examples/landing_ai/landing_ai_extract.pipe 中可以看到三种典型形态dropper组件用config控制 UI 行为hideForm: true、mode: Sourcelanding_ai_parse组件用config.default携带模型参数model、region、api_keylanding_ai_extract组件用config.default携带strict开关与 base64 编码的 JSON Schema 文件。节点目录 nodes/src/nodes 即Provider 目录其中每个子目录如webhook、response、llm_openai、tool_pipe、store_chroma对应一个 Provider内含其 README 与 Python 实现是查阅全部可用 Provider 的第一手资料。数据通道Data Lane与调用连接Invoke Connection组件之间有两种截然不同的接线方式这是理解 pipeline 的核心概念数据通道类型化的数据流**数据通道data lane**是一条类型化的数据通道例如questions→answers数据从上游组件产出后沿通道流入下游组件。在.pipe中它被声明为组件的input连接数组input: [{ lane: questions, from: in }]语义是从组件in的questions通道接收数据。通道是有方向的流式管道下游按通道名消费上游产出。多个上游可以合并到同一lane如 examples/tool-pipe-diamond.pipe 中join_1同时从branch_a_1与branch_b_1的questions通道取数实现 fan-in 汇合。调用连接按类类型调用调用invoke / control连接是另一种关系一个组件按类类型class type调用另一个组件而不是通过通道流式传输数据。典型场景是 Agent 在运行中按需调用 LLM、记忆或工具control: [{ classType: llm, from: agent_1 }] control: [{ classType: memory, from: agent_1 }] control: [{ classType: tool, from: agent_1 }]以上来自 examples/tool-pipe-diamond.pipeagent_crewai组件通过三条control连接分别声明我可以调用一个llm、一个memory、一个tool引擎据此把管道中相应类别的组件作为可注入依赖绑定给 Agent。两者的区别可归纳为维度数据通道Data Lane调用连接Invoke/Control声明位置组件的input数组组件的control数组引用方式按lane通道名按classType类类型数据语义流式传输数据控制/调用关系典型场景上游产出 → 下游消费如text、answersAgent 按需调用 LLM、记忆、工具值得注意的边界约束记录在 examples/incorrect/README.mdtool_pipe是**仅调用型invoke-only**节点其services.json只声明_source输出而不接受数据输入通道——它必须经由control被调用而不是被数据通道驱动。这类错误示例目录examples/incorrect专门收录违反接线规则的管道用于说明引擎对连接方式的校验边界。.pipe 文件的 JSON 结构.pipe文件是符合 pipeline schema 的 JSON。从仓库中真实的.pipe文件如 examples/landing_ai/landing_ai_extract.pipe、examples/tool-pipe-diamond.pipe可以归纳出常见顶层字段字段含义示例name管道名称可选Landing.ai Parse Extractdescription管道说明可选Drop a document; Landing.ai parses it to Markdown...source管道入口组件的 idchat_1components组件数组管道的核心见下文project_id管道所属项目的 UUID3c4d5e6f-7081-4b9c-8d0e-2f3a4b5c6d7eversion文件版本号1isLocked是否锁定防误改falsesnapToGrid/snapGridSize画布网格吸附设置true/[10, 10]docRevision文档修订号2每个组件的完整字段为{ id: 组件唯一标识, provider: 行为提供者, config: { provider 专属配置 }, input: [ { lane: 数据通道名, from: 上游组件 id } ], control: [ { classType: 类类型, from: 调用方组件 id } ], ui: { 画布上的位置与表单状态 } }其中ui段如position.x、position.y、formDataValid是可视化编辑器RocketRide IDE/插件使用的元数据运行时不参与数据语义引擎执行时以config与input/control为准。最小示例webhook 进、response 出原文档给出的最小管道如下它是理解.pipe的起点——两个组件、一条数据通道、一次完整的数据流动{ components: [ { id: in, provider: webhook, config: { mode: Source } }, { id: out, provider: response, config: { lanes: [{ laneId: questions, laneName: questions }] }, input: [{ lane: questions, from: in }] } ] }逐段解读in组件provider为webhookconfig.mode: Source表示它是输入源管道从这里接收外部推送的数据out组件provider为responseconfig.lanes声明它对外暴露的通道questionslaneId是内部标识laneName是对外显示名input: [{ lane: questions, from: in }]把in的questions通道接到out上形成in → out的单边数据流。这个示例演示了管道的最简骨架一个 Source 组件 一个 Response 组件 一条数据通道。实际项目中中间通常串联若干变换组件解析、提取、生成、存储。实战示例文档解析 字段抽取管道examples/landing_ai/landing_ai_extract.pipe 是一个完整的真实管道上传文档 → 解析为 Markdown → 按 JSON Schema 抽取结构化字段 → 输出答案。其组件链为dropper_1 --tags-- landing_ai_parse_1 --text-- landing_ai_extract_1 --answers-- response_answers_1关键点拆解入口dropper_1provider: dropper、mode: Source是管道的文件输入源通过tags通道向下游输出文件引用解析landing_ai_parse_1input: [{ lane: tags, from: dropper_1 }]从上游tags通道接收文件config.default指定model: dpt-2-latest、region: production与api_key抽取landing_ai_extract_1input: [{ lane: text, from: landing_ai_parse_1 }]消费上游解析出的text通道config.default中strict: false表示抽取允许容错schema_file以data:application/json;name...;base64,...的形式内嵌了一份发票 JSON Schema含invoice_number、invoice_date、vendor_name、line_items、total_invoice_amount等字段及x-alternativeNames别名提示供 LLM 对齐字段语义出口response_answers_1provider: response_answersconfig.laneName: answers消费上游answers通道把结构化结果对外返回。这个例子展示了三个值得复用的实践通道名即契约tags/text/answers在链路中一一对应、Provider 参数分层config.default内聚模型/区域/密钥、Schema 内嵌传输用 data URL 把 Schema 文件随管道一起分发。进阶模式Agent 工具调用、子管道与环境变量examples/tool-pipe-diamond.pipe 展示了更复杂的接线组合包含本文前述两种连接的全部形态Agent 声明调用依赖agent_1agent_crewai通过三条control连接声明可调用llmagent_llm_1、memoryagent_memory_1与toolpipe_tool_1工具子管道钻石拓扑pipe_tool_1tool_pipe被 Agent 调用后把输入经text通道同时分发到branch_a_1、branch_b_1两个分支fan-out再由join_1从两条questions通道汇合fan-in最终经sub_llm_1→sub_response_1输出——形成菱形子管道环境变量插值agent_llm_1与sub_llm_1的config.custom中model: ${ROCKETRIDE_OLLAMA_MODEL}、base_url: ${ROCKETRIDE_OLLAMA_BASE_URL}说明.pipe支持以${VAR}语法引用运行时环境变量同一管道文件可在不同环境本地 Ollama / 云端间复用而无需改动文件内容。这种Agent 工具调用 子管道的组合是 RocketRide 支撑 LLM 工作流编排的核心手段外层管道负责编排与分发内层被调用的管道负责具体分支逻辑classType使依赖以类型而非实例耦合天然支持替换实现。继续深入运行第一个管道参考 examples/README.md 中的示例列表以及仓库根目录 README.md 的快速上手说明Quickstart逐字段 JSON 参考pipeline schema 的完整字段说明由 schema 源生成可结合 examples/incorrect/README.md 理解连接校验规则如 invoke-only 节点、子管道合并限制Provider 目录全部可用 Provider 及各自config参数见 nodes/src/nodes 下各节点的 README 与services.json开发文档总览docs/development/index.md 汇总了 engine、nodes、builder、apps 等模块的开发说明。掌握数据通道与调用连接这两种接线语义再对照真实.pipe示例逐字段推敲你就能从读懂管道进阶到设计管道把 LLM、向量库、Agent 与外部工具自由编排成可复用的工作流。赞分享【免费下载链接】rocketride-serverHigh-performance AI pipeline engine with a C core and 50 Python-extensible nodes. Build, debug, and scale LLM workflows with 13 model providers, 8 vector databases, and agent orchestration, all from your IDE. Includes VS Code extension, TypeScript/Python SDKs, and Docker deployment.项目地址https://gitcode.com/gh_mirrors/ro/rocketride-server点击查看免费下载相关推荐RocketRide .pipe 流水线文件编写完全指南文件格式、泳道接线、控制面与校验陷阱RocketRide .pipe 流水线文件编写完全指南文件格式、泳道接线、控制面与校验陷阱 本文以 RocketRide 官方的 Pipeline AuthRocketRide 执行模型深度解析数据通道、控制连接与 C 流式并行引擎RocketRide 执行模型深度解析数据通道、控制连接与 C 流式并行引擎 RocketRide 中 .pipe 管道文件描述的是“要运行什么”whRocketRide TypeScript SDK 实战示例全解析从最小连接到流式数据管道RocketRide TypeScript SDK 实战示例全解析从最小连接到流式数据管道 本篇技术指南以 RocketRide 开源仓库的 TypeScri创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考