Finyuus
Finyuus adalah platform code-first yang menggunakan DSL berbasis indentasi dan runtime yang didukung Temporal untuk membangun, menjalankan, membuat versi, dan mengatur alur kerja AI yang tahan lama dengan agen, alat, penjaga, persetujuan manusia, observabilitas, dan penerbitan API.
https://github.com/mariusndini/Finyuus?ref=producthunt&utm_source=aipure
Informasi Produk
Diperbarui:Aug 6, 2026
Apa itu Finyuus
Finyuus adalah platform untuk mendefinisikan dan mengoperasikan perilaku AI sebagai sistem mandiri yang diberi versi daripada menyematkan prompt dan logika orkestrasi di seluruh kode aplikasi. Ini menggabungkan bahasa alur kerja berbasis indentasi yang kecil, mudah dibaca (DSL) dengan runtime produksi dan bidang kontrol sehingga tim dapat menyusun agen, alat, pemeriksaan kebijakan (penjaga), persetujuan manusia, dan alur kerja bersarang dalam teks. Finyuus menjalankan alur kerja secara tahan lama menggunakan Temporal, menyediakan dasbor untuk membuat dan meninjau eksekusi, dan mendukung operasi gaya perusahaan melalui pembuatan versi, audit, dan observabilitas terpusat.
Fitur Utama Finyuus
Finyuus adalah platform "code-first" untuk mendefinisikan, menjalankan, dan mengatur alur kerja AI yang tahan lama menggunakan DSL berbasis indentasi kecil. Platform ini memisahkan perilaku AI (agen, prompt, alat, penjaga, persetujuan, skema, dan pipeline) dari kode aplikasi, kemudian menjalankan alur kerja di Temporal untuk status yang tahan lama, percobaan ulang, pembatalan, dan kemampuan pemutaran ulang. Platform ini menambahkan versi terpusat, audit, dan riwayat eksekusi (termasuk alur kerja bersarang), observabilitas melalui pelacakan Langfuse dan pelaporan biaya, penanganan data dan artefak melalui ClickHouse dan penyimpanan objek (MinIO/S3), serta kemampuan untuk mempublikasikan pipeline sebagai API terautentikasi dengan validasi, idempoten, pembatasan laju, dan "server-sent events".
DSL Pipeline Berbasis Indentasi: DSL teks terfokus untuk menyusun agen, alat, penjaga, persetujuan, alur kontrol (if/else, loop, rute, paralel), pipeline anak, dan pengembalian terstruktur—dioptimalkan untuk "diff" yang mudah dibaca dan tinjauan kode.
Eksekusi Tahan Lama di Temporal: Menjalankan alur kerja dengan status tahan lama, percobaan ulang, pembatalan, eksekusi jangka panjang, dan kemampuan pemutaran ulang; mendukung orkestrasi alur kerja anak dan semantik yang konsisten untuk pipeline bersarang.
Blok Bangunan AI Berversi: Registri pusat untuk agen, alat, penjaga, skema, dan pipeline dengan riwayat versi dan pin versi yang tidak dapat diubah (misalnya, pipeline@v3) untuk memastikan reproduktifitas dan peluncuran yang terkontrol.
Tata Kelola: Penjaga + Persetujuan Manusia: Pemeriksaan kebijakan kelas satu (penjaga berbasis LLM dengan perutean lulus/blokir dan kepercayaan) ditambah langkah-langkah persetujuan yang menghentikan eksekusi untuk tinjauan manusia dengan penerima tugas, batas waktu, dan cabang yang disetujui/ditolak secara eksplisit.
Registri Alat (native, HTTP, didukung pipeline): Mendukung alat "native" TypeScript, alat HTTP yang dapat dikonfigurasi, dan alat yang didukung pipeline yang dapat dipanggil dari DSL atau oleh agen selama "tool loop", memungkinkan kemampuan operasional yang dapat digunakan kembali.
API Produksi + Tumpukan Observabilitas: Publikasikan pipeline sebagai endpoint terautentikasi dengan pembatasan laju, idempoten, validasi input, dan "streaming SSE"; periksa peristiwa eksekusi, riwayat alur kerja, panggilan alat, dan jejak/biaya model melalui Langfuse dan dasbor.
Kasus Penggunaan Finyuus
Alur kerja kepatuhan layanan keuangan: Buat pipeline konten yang berhadapan dengan pelanggan yang mengarahkan permintaan melalui penjaga saran keuangan, menghasilkan penulisan ulang edukatif, dan memerlukan persetujuan kepatuhan sebelum dirilis—sepenuhnya dapat diaudit dan diputar ulang.
Dukungan perusahaan dan otomatisasi IT: Mengorkestrasi alur kerja agen/alat multi-langkah (triage tiket, diagnostik melalui alat HTTP, daftar periksa remediasi) dengan pengaman, persetujuan eskalasi manusia, dan percobaan ulang yang tahan lama untuk integrasi yang tidak stabil.
Pipeline penelitian dan pelaporan: Otomatiskan riset pasar/perusahaan dengan menggabungkan alat pengambilan data (misalnya, contoh SEC EDGAR/Yahoo Finance), agen analisis dengan output terstruktur, penjaga kebijakan publikasi, dan penyimpanan artefak.
Pembuatan konten layanan kesehatan atau yang diatur: Hasilkan materi pasien/penyedia atau ringkasan internal dengan penjaga kebijakan dan persetujuan manusia wajib, menjaga riwayat eksekusi lengkap untuk audit dan tinjauan insiden.
Operasi data internal dan alur kerja analitik: Bangun pipeline yang membaca/menulis tabel ClickHouse, mengelola file/artefak dalam penyimpanan objek, dan menghasilkan pengembalian terstruktur—berguna untuk augmentasi AI mirip ETL dan pengayaan data yang dapat diulang.
Endpoint AI yang diproduksi untuk aplikasi: Mengekspos alur kerja AI yang stabil sebagai API sehingga beberapa aplikasi dapat memanggil pipeline versi yang sama, sementara tim operasi mengelola perubahan perilaku, pemantauan, dan tata kelola di luar basis kode aplikasi.
Kelebihan
Semantik eksekusi yang tahan lama dan siap produksi melalui Temporal (percobaan ulang, pembatalan, kemampuan pemutaran ulang, alur kerja jangka panjang).
Primitif tata kelola yang kuat (penjaga, pin versi, persetujuan) ditambah riwayat audit/eksekusi terpusat.
DSL "code-first" memungkinkan tinjauan berbasis Git, penggunaan kembali, dan "diff" yang dapat dipelihara dibandingkan dengan alur kerja visual yang besar.
Kekurangan
Kompleksitas operasional: memerlukan menjalankan dan memelihara beberapa layanan (Temporal, Postgres, Redis, ClickHouse, penyimpanan objek, Langfuse).
Kurva pembelajaran: tim harus mengadopsi DSL dan model alur kerja baru daripada hanya mengandalkan kode aplikasi.
Nilai terbaik muncul pada skala; mungkin lebih berat dari yang dibutuhkan untuk prototipe kecil atau rantai prompt sederhana.
Cara Menggunakan Finyuus
1) Instal prasyarat: Instal Node.js 22+, pnpm 10+, dan Docker Desktop (mesin berjalan). Siapkan setidaknya satu kunci penyedia LLM: OPENAI_API_KEY atau ANTHROPIC_API_KEY.
2) Dapatkan kode: Kloning repositori Finyuus secara lokal (misalnya, dari https://github.com/mariusndini/Finyuus) dan masuk ke root repo.
3) Instal dependensi: Jalankan: pnpm install
4) Buat file lingkungan lokal Anda: Salin templat: cp .env.local.example .env.local
5) Konfigurasi variabel lingkungan yang diperlukan: Edit .env.local dan tambahkan setidaknya satu kunci penyedia (OPENAI_API_KEY atau ANTHROPIC_API_KEY). Jika Anda berencana menggunakan Pipeline API yang diterbitkan, atur PIPELINE_API_TOKEN. Opsional: atur SEC_USER_AGENT untuk alat demo SEC EDGAR. Untuk penyimpanan objek: biarkan tidak diatur untuk menggunakan MinIO lokal, atau atur OBJECT_STORAGE_PROVIDER=s3 ditambah variabel S3 jika Anda ingin AWS S3.
6) Hasilkan rahasia lokal dan file env aplikasi: Jalankan: make init (ini menghasilkan infra/.env dan file env yang dihasilkan lainnya yang digunakan oleh layanan lokal seperti Langfuse).
7) Mulai infrastruktur lokal (Temporal, Postgres, ClickHouse, MinIO, Redis, Langfuse): Jalankan: make up
8) (Opsional) Isi konten demo: Instalasi baru dimulai kosong. Jika Anda ingin contoh alat/skema/agen/pipeline untuk dijelajahi, jalankan: make demos
9) Bangun dan mulai dasbor web (direkomendasikan untuk navigasi yang lebih cepat): Jalankan: pnpm build-web lalu pnpm start-web (dasbor berjalan di http://localhost:3001).
10) Mulai pekerja (mesin eksekusi): Di terminal kedua, jalankan: pnpm start-worker (pekerja Temporal ini mengeksekusi pipeline).
11) Buka UI lokal: Buka dasbor Finyuus: http://localhost:3001. UI pendukung opsional: Langfuse http://localhost:3000, Temporal UI http://localhost:8080, MinIO Console http://localhost:9001, Redis Insight http://localhost:5540.
12) Buat atau edit pipeline menggunakan DSL berbasis indentasi: Di editor pipeline dasbor, tulis alur kerja menggunakan pernyataan kelas satu seperti agent:, tool:, guard:, approval:, pipeline:, http:*, read/save file/table, if/else, for, parallel, route, return. Simpan sebagai pipeline berversi sehingga dapat dijalankan dan ditetapkan berdasarkan versi.
13) Jalankan pipeline dari dasbor: Dari halaman pipeline di dasbor, mulai eksekusi dengan nilai input. Amati peristiwa eksekusi, hasil penjaga, panggilan alat, dan langkah-langkah alur kerja bersarang. Gunakan pembatalan/percobaan ulang seperti yang didukung oleh eksekusi yang didukung Temporal.
14) Tambahkan tata kelola dengan penjaga (pemeriksaan kebijakan): Sisipkan langkah guard:<key> sebelum/sesudah panggilan agen. Terapkan cabang pass/block untuk mengarahkan eksekusi. Gunakan bidang yang dikembalikan penjaga (misalnya, pesan/kepercayaan diri) dalam payload pengembalian atau logika percabangan Anda.
15) Tambahkan persetujuan human-in-the-loop: Sisipkan langkah approval:<key> untuk menjeda eksekusi hingga peninjau menyelesaikannya. Konfigurasi -assigned-to dan -timeout, dan definisikan cabang approved:/rejected: (dan tindakan timeout jika diperlukan). Peninjau menyelesaikan persetujuan di dasbor atau melalui API.
16) Gunakan alat (native, HTTP, atau didukung pipeline): Panggil alat secara langsung di DSL dengan tool:<name> dan argumen. Konfigurasi alat HTTP di dasbor (header/URL dapat mereferensikan rahasia env sisi server seperti {{env.MY_API_KEY}}). Buat alat yang didukung pipeline dengan menyimpan pipeline dan memungkinkan agen memanggilnya selama loop alat.
17) Gunakan data dan artefak yang tahan lama (tabel + file): Gunakan read:table/save:table untuk operasi data terstruktur yang didukung ClickHouse, dan read:file/save:file untuk file/artefak yang didukung penyimpanan objek (MinIO lokal secara default, atau S3 jika dikonfigurasi).
18) Tetapkan versi untuk reproduktifitas: Referensi versi yang tidak dapat diubah seperti pipeline:company_research@v3 atau agent:research_analyst@v2 untuk memastikan perilaku yang stabil di seluruh eksekusi dan memungkinkan auditabilitas.
19) Publikasikan pipeline sebagai API HTTP terautentikasi: Publikasikan pipeline sebagai endpoint di dasbor. Kemudian panggil dengan token bearer dan kunci idempoten, misal: 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"}}'. Gunakan endpoint streaming SSE untuk pembaruan eksekusi langsung jika diaktifkan.
20) Amati dan audit eksekusi: Gunakan dasbor untuk memeriksa riwayat eksekusi, alur kerja bersarang, keputusan penjaga/persetujuan, dan peristiwa. Gunakan UI Temporal untuk garis waktu alur kerja dan semantik ketahanan (percobaan ulang/pembatalan/replayability). Gunakan Langfuse untuk jejak, penggunaan token, dan pelaporan biaya model (nonaktifkan secara global melalui LLM_TRACING_ENABLED=false jika diinginkan).
21) Kembangkan secara lokal (mode pantau) saat mengubah kode: Jika Anda memodifikasi Finyuus itu sendiri, jalankan pnpm dev untuk mode pantau. Gunakan pnpm typecheck (atau typecheck yang difilter paket) selama pengembangan.
22) Tambahkan alat native baru (memperluas Finyuus): Tambahkan metadata alat di packages/tools/src/metadata.ts, tambahkan pabrik di packages/tools/src/registry.ts, implementasikan alat di packages/tools/src/, lalu jalankan typecheck untuk paket yang terpengaruh.
23) Tambahkan pernyataan DSL baru (memperluas bahasa/runtime): Tambahkan tipe AST di packages/pipelines/src/types.ts, tambahkan dukungan parser di packages/pipelines/src/parser.ts, implementasikan logika eksekusi di apps/worker/src/workflows.ts, tambahkan aktivitas di apps/worker/src/activities.ts jika ada efek samping, dan perbarui kecerdasan editor/autocomplete di apps/web/src/lib/pipeline-intelligence.ts dan apps/web/src/components/pipeline/pipeline-completions.ts.
24) Hentikan atau reset infrastruktur lokal: Untuk menghentikan layanan sambil menyimpan data: make down. Untuk mengikuti log: make logs. Untuk memverifikasi kesehatan: make verify. Untuk menghancurkan data layanan lokal: make reset.
FAQ Finyuus
Finyuus adalah platform code-first untuk membangun, menjalankan, dan mengatur alur kerja AI yang tahan lama. Platform ini menyediakan DSL berbasis indentasi untuk menyusun agen, alat, penjaga, persetujuan manusia, operasi data terstruktur, dan alur kerja bertingkat, serta menjalankannya menggunakan Temporal dengan lingkungan terpusat untuk pembuatan versi, pengamatan, audit, dan pengoperasian alur kerja.
Artikel Populer
Atoms: Platform AI Multi-Agen yang Mengubah Ide menjadi Produk Siap Diluncurkan
May 22, 2026
Nano Banana SBTI: Apa Itu, Bagaimana Cara Kerjanya, dan Cara Menggunakannya di Tahun 2026
Apr 15, 2026
Ulasan Atoms — Pembuat Produk AI yang Mendefinisikan Ulang Kreasi Digital di Tahun 2026
Apr 10, 2026
Kilo Claw: Cara Menerapkan dan Menggunakan Agen AI "Lakukan-Untuk-Anda" Sejati (Pembaruan 2026)
Apr 3, 2026
Alat AI Terbaru Serupa dengan Finyuus
Gait
Gait adalah alat kolaborasi yang mengintegrasikan generasi kode yang dibantu AI dengan kontrol versi, memungkinkan tim untuk melacak, memahami, dan membagikan konteks kode yang dihasilkan AI dengan efisien.
invoices.dev
invoices.dev adalah platform penagihan otomatis yang menghasilkan faktur langsung dari komit Git pengembang, dengan kemampuan integrasi untuk layanan GitHub, Slack, Linear, dan Google.
EasyRFP
EasyRFP adalah toolkit komputasi tepi yang didukung AI yang memperlancar respons RFP (Permintaan Proposal) dan memungkinkan fenotip lapangan waktu nyata melalui teknologi pembelajaran mendalam.
Cart.ai
Cart.ai adalah platform layanan bertenaga AI yang menyediakan solusi otomatisasi bisnis yang komprehensif termasuk pengkodean, manajemen hubungan pelanggan, pengeditan video, pengaturan e-commerce, dan pengembangan AI kustom dengan dukungan 24/7.
Alat AI Populer Seperti Finyuus
GitHub Copilot Chat
GitHub Copilot Chat adalah asisten pengkodean bertenaga AI yang menyediakan interaksi bahasa alami, saran kode waktu nyata, dan dukungan kontekstual langsung di dalam IDE yang didukung dan GitHub.com.
CopilotForXcode
CopilotForXcode adalah Ekstensi Editor Sumber Xcode yang mengintegrasikan GitHub Copilot, Codeium, dan ChatGPT untuk memberikan saran kode yang didukung AI, bantuan obrolan, dan fungsionalitas prompt-to-code di dalam Xcode.
BrowserAI
BrowserAI adalah pustaka sumber terbuka yang memungkinkan menjalankan Model Bahasa Besar (LLM) lokal langsung di browser web dengan akselerasi WebGPU, menawarkan kemampuan AI yang berfokus pada privasi tanpa memerlukan infrastruktur server.
OpenAI Codex CLI
OpenAI Codex CLI adalah agen pengkodean sumber terbuka ringan yang berjalan di terminal Anda, memungkinkan pengembang untuk menerjemahkan bahasa alami ke dalam eksekusi kode sambil memberikan penalaran tingkat ChatGPT dengan kemampuan untuk menjalankan kode, memanipulasi file, dan melakukan iterasi di bawah kontrol versi.