Finyuus
Finyuus ist eine Code-First-Plattform, die eine einrückungsbasierte DSL und eine Temporal-gestützte Laufzeit verwendet, um dauerhafte KI-Workflows mit Agenten, Tools, Guards, menschlichen Genehmigungen, Beobachtbarkeit und API-Veröffentlichung zu erstellen, auszuführen, zu versionieren und zu steuern.
https://github.com/mariusndini/Finyuus?ref=producthunt&utm_source=aipure
Produktinformationen
Aktualisiert:Aug 6, 2026
Was ist Finyuus
Finyuus ist eine Plattform zur Definition und zum Betrieb von KI-Verhalten als eigenständiges, versioniertes System, anstatt Prompts und Orchestrierungslogik im gesamten Anwendungscode einzubetten. Es kombiniert eine kleine, lesbare, einrückungsbasierte Workflow-Sprache (DSL) mit einer Produktionslaufzeit und einer Steuerungsebene, sodass Teams Agenten, Tools, Richtlinienprüfungen (Guards), menschliche Genehmigungen und verschachtelte Workflows in Textform zusammenstellen können. Finyuus führt Workflows dauerhaft mit Temporal aus, bietet ein Dashboard zum Erstellen und Überprüfen von Ausführungen und unterstützt den Unternehmensbetrieb durch Versionierung, Auditierung und zentralisierte Beobachtbarkeit.
Hauptfunktionen von Finyuus
Finyuus ist eine Code-First-Plattform zum Definieren, Ausführen und Verwalten langlebiger KI-Workflows mithilfe einer kleinen, einrückungsbasierten DSL. Sie trennt das KI-Verhalten (Agenten, Prompts, Tools, Guards, Genehmigungen, Schemata und Pipelines) vom Anwendungscode und führt dann Workflows auf Temporal für dauerhaften Zustand, Wiederholungen, Abbruch und Wiederholbarkeit aus. Die Plattform bietet zentralisierte Versionierung, Audit- und Ausführungshistorie (einschließlich verschachtelter Workflows), Beobachtbarkeit über Langfuse-Tracing und Kostenberichterstattung, Daten- und Artefakthandhabung über ClickHouse und Objektspeicher (MinIO/S3) sowie die Möglichkeit, Pipelines als authentifizierte APIs mit Validierung, Idempotenz, Ratenbegrenzung und Server-Sent Events zu veröffentlichen.
Einrückungsbasierte Pipeline-DSL: Eine fokussierte Text-DSL zum Komponieren von Agenten, Tools, Guards, Genehmigungen, Kontrollflüssen (if/else, Schleifen, Routen, parallel), untergeordneten Pipelines und strukturierten Rückgaben – optimiert für lesbare Diffs und Code-Reviews.
Dauerhafte Ausführung auf Temporal: Führt Workflows mit dauerhaftem Zustand, Wiederholungen, Abbruch, langlaufender Ausführung und Wiederholbarkeit aus; unterstützt die Orchestrierung von untergeordneten Workflows und konsistente Semantik für verschachtelte Pipelines.
Versionierte KI-Bausteine: Zentrales Register für Agenten, Tools, Guards, Schemata und Pipelines mit Versionshistorie und unveränderlichen Versions-Pins (z. B. pipeline@v3), um Reproduzierbarkeit und kontrollierte Rollouts zu gewährleisten.
Governance: Guards + menschliche Genehmigungen: Erstklassige Richtlinienprüfungen (LLM-basierte Guards mit Pass-/Block-Routing und Konfidenz) sowie Genehmigungsschritte, die die Ausführung für die menschliche Überprüfung mit Beauftragten, Timeouts und explizit genehmigten/abgelehnten Zweigen anhalten.
Tool-Registry (nativ, HTTP, Pipeline-gestützt): Unterstützt TypeScript-native Tools, konfigurierbare HTTP-Tools und Pipeline-gestützte Tools, die aus der DSL oder von Agenten während Tool-Schleifen aufrufbar sind, was wiederverwendbare operative Fähigkeiten ermöglicht.
Produktions-API + Observability-Stack: Veröffentlichen Sie Pipelines als authentifizierte Endpunkte mit Ratenbegrenzung, Idempotenz, Eingabevalidierung und SSE-Streaming; überprüfen Sie Ausführungsereignisse, Workflow-Historie, Tool-Aufrufe und Modell-Traces/-Kosten über Langfuse und das Dashboard.
Anwendungsfälle von Finyuus
Compliance-Workflows für Finanzdienstleistungen: Erstellen Sie kundenorientierte Content-Pipelines, die Anfragen durch Finanzberatungs-Guards leiten, lehrreiche Umschreibungen generieren und Compliance-Genehmigungen vor der Veröffentlichung erfordern – vollständig auditierbar und wiederholbar.
Enterprise-Support und IT-Automatisierung: Orchestrieren Sie mehrstufige Agenten-/Tool-Workflows (Ticket-Triage, Diagnosen über HTTP-Tools, Abhilfemaßnahmen-Checklisten) mit Sicherheitsvorkehrungen, Genehmigungen zur menschlichen Eskalation und dauerhaften Wiederholungen für fehlerhafte Integrationen.
Forschungs- und Berichts-Pipelines: Automatisieren Sie Markt-/Unternehmensforschung durch die Kombination von Datenabruf-Tools (z. B. SEC EDGAR/Yahoo Finance Beispiele), Analyse-Agenten mit strukturierten Ausgaben, Veröffentlichungsrichtlinien-Guards und Artefakt-Speicherung.
Generierung von Inhalten im Gesundheitswesen oder in regulierten Bereichen: Generieren Sie Patienten-/Anbieter-Materialien oder interne Zusammenfassungen mit Richtlinien-Guards und obligatorischen menschlichen Genehmigungen, wobei eine vollständige Ausführungshistorie für Audits und Vorfallprüfungen geführt wird.
Interne Daten-Ops- und Analyse-Workflows: Erstellen Sie Pipelines, die ClickHouse-Tabellen lesen/schreiben, Dateien/Artefakte im Objektspeicher verwalten und strukturierte Rückgaben produzieren – nützlich für ETL-ähnliche KI-Erweiterungen und wiederholbare Datenanreicherung.
Produzierte KI-Endpunkte für Anwendungen: Stellen Sie stabile KI-Workflows als APIs bereit, sodass mehrere Anwendungen dieselbe versionierte Pipeline aufrufen können, während Betriebsteams Verhaltensänderungen, Überwachung und Governance außerhalb der Anwendungs-Codebasis verwalten.
Vorteile
Dauerhafte, produktionsreife Ausführungssemantik über Temporal (Wiederholungen, Abbruch, Wiederholbarkeit, langlaufende Workflows).
Starke Governance-Primitive (Guards, Versions-Pins, Genehmigungen) sowie zentralisierte Audit-/Ausführungshistorie.
Code-First-DSL ermöglicht Git-basierte Überprüfung, Wiederverwendung und wartbare Diffs im Vergleich zu großen visuellen Workflows.
Nachteile
Operative Komplexität: Erfordert das Ausführen und Warten mehrerer Dienste (Temporal, Postgres, Redis, ClickHouse, Objektspeicher, Langfuse).
Lernkurve: Teams müssen eine neue DSL und ein neues Workflow-Modell übernehmen, anstatt rein im Anwendungscode zu bleiben.
Der größte Wert zeigt sich im großen Maßstab; kann für kleine Prototypen oder einfache Prompt-Ketten schwerfälliger sein als nötig.
Wie verwendet man Finyuus
1) Voraussetzungen installieren: Installieren Sie Node.js 22+, pnpm 10+ und Docker Desktop (Engine läuft). Bereiten Sie mindestens einen LLM-Anbieterschlüssel vor: OPENAI_API_KEY oder ANTHROPIC_API_KEY.
2) Code abrufen: Klonen Sie das Finyuus-Repository lokal (z.B. von https://github.com/mariusndini/Finyuus) und wechseln Sie in das Repository-Root-Verzeichnis.
3) Abhängigkeiten installieren: Ausführen: pnpm install
4) Erstellen Sie Ihre lokale Umgebungsdatei: Kopieren Sie die Vorlage: cp .env.local.example .env.local
5) Erforderliche Umgebungsvariablen konfigurieren: Bearbeiten Sie .env.local und fügen Sie mindestens einen Anbieterschlüssel hinzu (OPENAI_API_KEY oder ANTHROPIC_API_KEY). Wenn Sie die veröffentlichte Pipeline-API verwenden möchten, setzen Sie PIPELINE_API_TOKEN. Optional: Setzen Sie SEC_USER_AGENT für SEC EDGAR Demo-Tools. Für Objektspeicher: Lassen Sie es ungesetzt, um lokales MinIO zu verwenden, oder setzen Sie OBJECT_STORAGE_PROVIDER=s3 plus die S3-Variablen, wenn Sie AWS S3 wünschen.
6) Lokale Geheimnisse und App-Umgebungsdateien generieren: Ausführen: make init (dies generiert infra/.env und andere generierte Umgebungsdateien, die von lokalen Diensten wie Langfuse verwendet werden).
7) Lokale Infrastruktur starten (Temporal, Postgres, ClickHouse, MinIO, Redis, Langfuse): Ausführen: make up
8) (Optional) Demo-Inhalte seeden: Neuinstallationen starten leer. Wenn Sie Beispiel-Tools/Schemas/Agenten/Pipelines zum Erkunden wünschen, führen Sie aus: make demos
9) Web-Dashboard erstellen und starten (empfohlen für schnellere Navigation): Ausführen: pnpm build-web dann pnpm start-web (das Dashboard läuft unter http://localhost:3001).
10) Worker starten (Ausführungs-Engine): In einem zweiten Terminal ausführen: pnpm start-worker (dieser Temporal-Worker führt Pipelines aus).
11) Lokale UIs öffnen: Finyuus-Dashboard öffnen: http://localhost:3001. Optionale unterstützende UIs: Langfuse http://localhost:3000, Temporal UI http://localhost:8080, MinIO Console http://localhost:9001, Redis Insight http://localhost:5540.
12) Eine Pipeline mit der einrückungsbasierten DSL erstellen oder bearbeiten: Im Pipeline-Editor des Dashboards schreiben Sie einen Workflow mit erstklassigen Anweisungen wie agent:, tool:, guard:, approval:, pipeline:, http:*, read/save file/table, if/else, for, parallel, route, return. Speichern Sie ihn als versionierte Pipeline, damit er ausgeführt und nach Version angeheftet werden kann.
13) Eine Pipeline vom Dashboard ausführen: Starten Sie von der Pipeline-Seite im Dashboard aus eine Ausführung mit Eingabewerten. Beobachten Sie Ausführungsereignisse, Guard-Ergebnisse, Tool-Aufrufe und verschachtelte Workflow-Schritte. Nutzen Sie Abbruch/Wiederholungsversuche, wie sie von der Temporal-gestützten Ausführung unterstützt werden.
14) Governance mit Guards (Richtlinienprüfungen) hinzufügen: Fügen Sie guard:<key>-Schritte vor/nach Agent-Aufrufen ein. Implementieren Sie Pass/Block-Zweige, um die Ausführung zu steuern. Verwenden Sie die zurückgegebenen Felder des Guards (z.B. message/confidence) in Ihren Rückgabe-Payloads oder Verzweigungslogik.
15) Menschliche Genehmigungen hinzufügen: Fügen Sie approval:<key>-Schritte ein, um die Ausführung anzuhalten, bis ein Prüfer sie auflöst. Konfigurieren Sie -assigned-to und -timeout und definieren Sie approved:/rejected:-Zweige (und Timeout-Aktionen bei Bedarf). Prüfer lösen Genehmigungen im Dashboard oder über die API auf.
16) Tools verwenden (nativ, HTTP oder Pipeline-gestützt): Rufen Sie Tools direkt in der DSL mit tool:<name> und Argumenten auf. Konfigurieren Sie HTTP-Tools im Dashboard (Header/URLs können serverseitige Umgebungsvariablen wie {{env.MY_API_KEY}} referenzieren). Erstellen Sie Pipeline-gestützte Tools, indem Sie Pipelines speichern und Agenten erlauben, diese während des Tool-Loops aufzurufen.
17) Dauerhafte Daten und Artefakte verwenden (Tabellen + Dateien): Verwenden Sie read:table/save:table für ClickHouse-gestützte strukturierte Datenoperationen und read:file/save:file für Objektspeicher-gestützte Dateien/Artefakte (standardmäßig lokales MinIO oder S3, wenn konfiguriert).
18) Versionen für Reproduzierbarkeit anheften: Referenzieren Sie unveränderliche Versionen wie pipeline:company_research@v3 oder agent:research_analyst@v2, um ein stabiles Verhalten über Ausführungen hinweg zu gewährleisten und die Auditierbarkeit zu ermöglichen.
19) Eine Pipeline als authentifizierte HTTP-API veröffentlichen: Veröffentlichen Sie die Pipeline als Endpunkt im Dashboard. Rufen Sie sie dann mit einem Bearer-Token und einem Idempotenzschlüssel auf, z.B.: curl -X POST http://localhost:3001/api/v1/responses/<pipeline-slug> -H "Authorization: Bearer $PIPELINE_API_TOKEN" -H "Idempotency-Key: request-001" -H "Content-Type: application/json" -d '{"input": {"query": "example"}}'. Verwenden Sie SSE-Streaming-Endpunkte für Live-Ausführungsaktualisierungen, falls aktiviert.
20) Ausführungen beobachten und auditieren: Verwenden Sie das Dashboard, um die Ausführungshistorie, verschachtelte Workflows, Guard-/Genehmigungsentscheidungen und Ereignisse zu überprüfen. Verwenden Sie die Temporal UI für Workflow-Zeitachsen und Dauerhaftigkeitssemantik (Wiederholungsversuche/Abbruch/Wiederholbarkeit). Verwenden Sie Langfuse für Traces, Token-Nutzung und Modellkostenberichte (global deaktivierbar über LLM_TRACING_ENABLED=false, falls gewünscht).
21) Lokal entwickeln (Watch-Modus) beim Ändern von Code: Wenn Sie Finyuus selbst ändern, führen Sie pnpm dev für den Watch-Modus aus. Verwenden Sie pnpm typecheck (oder paketgefilterte Typechecks) während der Entwicklung.
22) Ein neues natives Tool hinzufügen (Finyuus erweitern): Fügen Sie Tool-Metadaten in packages/tools/src/metadata.ts hinzu, fügen Sie eine Factory in packages/tools/src/registry.ts hinzu, implementieren Sie das Tool in packages/tools/src/, und führen Sie dann Typechecks für betroffene Pakete aus.
23) Eine neue DSL-Anweisung hinzufügen (Sprache/Laufzeit erweitern): Fügen Sie den AST-Typ in packages/pipelines/src/types.ts hinzu, fügen Sie Parser-Unterstützung in packages/pipelines/src/parser.ts hinzu, implementieren Sie die Ausführungslogik in apps/worker/src/workflows.ts, fügen Sie Aktivitäten in apps/worker/src/activities.ts hinzu, falls es Nebenwirkungen gibt, und aktualisieren Sie die Editor-Intelligenz/Autovervollständigung in apps/web/src/lib/pipeline-intelligence.ts und apps/web/src/components/pipeline/pipeline-completions.ts.
24) Lokale Infrastruktur stoppen oder zurücksetzen: Um Dienste zu stoppen und Daten zu behalten: make down. Um Protokolle zu verfolgen: make logs. Um die Integrität zu überprüfen: make verify. Um lokale Dienstdaten zu zerstören: make reset.
Finyuus FAQs
Finyuus ist eine Code-First-Plattform zum Erstellen, Ausführen und Verwalten dauerhafter KI-Workflows. Sie bietet eine einrückungsbasierte DSL zum Komponieren von Agenten, Tools, Guards, menschlichen Genehmigungen, strukturierten Datenoperationen und verschachtelten Workflows und führt diese mithilfe von Temporal mit einer zentralisierten Umgebung für Versionierung, Beobachtung, Auditierung und den Betrieb von Workflows aus.
Beliebte Artikel
Atoms: Eine Multi-Agenten-KI-Plattform, die Ideen in startbereite Produkte verwandelt
May 22, 2026
Nano Banana SBTI: Was es ist, wie es funktioniert und wie man es im Jahr 2026 einsetzt
Apr 15, 2026
Atoms Review – Der KI-Produkt-Builder, der die digitale Erstellung im Jahr 2026 neu definiert
Apr 10, 2026
Kilo Claw: Wie man einen echten "Do-It-For-You" KI-Agenten bereitstellt und verwendet (2026 Update)
Apr 3, 2026
Neueste KI-Tools ähnlich wie Finyuus
Gait
Gait ist ein Collaboration-Tool, das KI-unterstützte Codegenerierung mit Versionskontrolle integriert und es Teams ermöglicht, KI-generierten Codekontext effizient zu verfolgen, zu verstehen und zu teilen.
invoices.dev
invoices.dev ist eine automatisierte Rechnungsplattform, die Rechnungen direkt aus den Git-Commits der Entwickler generiert und Integrationsmöglichkeiten für GitHub, Slack, Linear und Google-Dienste bietet.
EasyRFP
EasyRFP ist ein KI-gestütztes Edge-Computing-Toolkit, das RFP (Request for Proposal)-Antworten optimiert und eine Echtzeit-Feldphänotypisierung durch Deep-Learning-Technologie ermöglicht.
Cart.ai
Cart.ai ist eine KI-gestützte Dienstleistungsplattform, die umfassende Lösungen zur Automatisierung von Geschäftsprozessen bietet, einschließlich Programmierung, Kundenbeziehungsmanagement, Videobearbeitung, E-Commerce-Setup und benutzerdefinierter KI-Entwicklung mit 24/7 Unterstützung.
Beliebte KI-Tools wie Finyuus
GitHub Copilot Chat
GitHub Copilot Chat ist ein KI-gestützter Codierungsassistent, der Interaktionen in natürlicher Sprache, Echtzeit-Codevorschläge und kontextuelle Unterstützung direkt innerhalb unterstützter IDEs und GitHub.com bietet.
CopilotForXcode
CopilotForXcode ist eine Xcode-Quell-Editor-Erweiterung, die GitHub Copilot, Codeium und ChatGPT integriert, um KI-gestützte Codevorschläge, Chat-Unterstützung und Prompt-to-Code-Funktionalität innerhalb von Xcode bereitzustellen.
BrowserAI
BrowserAI ist eine Open-Source-Bibliothek, die die Ausführung lokaler Large Language Models (LLMs) direkt in Webbrowsern mit WebGPU-Beschleunigung ermöglicht und datenschutzorientierte KI-Funktionen bietet, ohne dass eine Serverinfrastruktur erforderlich ist.
OpenAI Codex CLI
OpenAI Codex CLI ist ein schlanker Open-Source-Coding-Agent, der in Ihrem Terminal ausgeführt wird und es Entwicklern ermöglicht, natürliche Sprache in Codeausführung zu übersetzen und gleichzeitig ChatGPT-ähnliche Argumentation mit der Möglichkeit, Code auszuführen, Dateien zu bearbeiten und unter Versionskontrolle zu iterieren, bereitzustellen.