Heym
Heym adalah platform otomatisasi alur kerja AI yang tersedia sumbernya dan di-hosting sendiri yang memungkinkan Anda membangun dan menjalankan pipeline agensi multi-langkah di kanvas visual dengan RAG bawaan, dukungan klien/server MCP, persetujuan human-in-the-loop, dan observabilitas produksi (pelacakan, evaluasi, dan pelacakan biaya).
https://heym.run/?ref=producthunt&utm_source=aipure
Informasi Produk
Diperbarui:Aug 11, 2026
Apa itu Heym
Heym adalah runtime otomatisasi alur kerja asli AI yang dirancang untuk tim yang membangun otomatisasi agensi nyata—bukan hanya prototipe. Ini menyediakan editor visual kode rendah di mana Anda dapat mendeskripsikan alur kerja dalam bahasa alami dan meminta Heym membuatnya, atau secara manual menghubungkan node dari pustaka besar komponen AI, data, logika, dan integrasi. Karena Heym tersedia sumbernya dan di-hosting sendiri sepenuhnya, Anda dapat menjalankannya di infrastruktur Anda sendiri (misalnya, Docker Compose atau Kubernetes), menggunakan model dan kredensial Anda sendiri, dan memeriksa setiap eksekusi sejak hari pertama.
Fitur Utama Heym
Heym adalah platform otomatisasi alur kerja AI yang tersedia sumbernya, sepenuhnya di-host sendiri untuk membangun dan menjalankan pipeline agensi pada infrastruktur Anda sendiri. Ini menyediakan kanvas visual (ditambah pembuatan alur kerja bahasa alami) untuk menyusun alur kerja DAG tingkat produksi dengan eksekusi paralel, orkestrasi multi-agen, RAG bawaan (pgvector/Postgres atau Qdrant), dukungan klien/server MCP, dan pos pemeriksaan persetujuan human-in-the-loop kelas satu. Platform ini menekankan kemampuan inspeksi dan operasi sejak hari pertama—riwayat eksekusi, jejak LLM, evaluasi, log, ekspor OpenTelemetry, dan pelacakan biaya riil—bersama dengan pustaka node yang luas untuk integrasi (Slack, email/IMAP, GitHub/Jira/Linear, antrean, basis data, API HTTP) dan primitif otomatisasi seperti otomatisasi browser Playwright.
Pembangun alur kerja DAG visual (tanpa kode/kode rendah): Kanvas seret dan lepas untuk menghubungkan pemicu, AI, logika, data, integrasi, otomatisasi, dan utilitas ke dalam grafik asiklik terarah yang divalidasi yang dieksekusi secara paralel jika memungkinkan untuk throughput yang lebih tinggi.
Node agen + orkestrasi multi-agen: Mengkoordinasikan beberapa agen, sub-alur kerja, keterampilan, dan panggilan alat di bawah pola orkestrator untuk menangani tugas multi-bagian lebih cepat daripada panggilan LLM berurutan.
RAG bawaan dan penyimpanan vektor: Pipeline pengambilan asli dengan unggahan dokumen dan pencarian semantik yang terhubung langsung ke alur kerja, menggunakan Qdrant atau Postgres/pgvector bawaan, semuanya terlihat dalam satu jejak eksekusi.
Dukungan MCP (klien dan server): Agen dapat terhubung ke server MCP eksternal dan secara otomatis menemukan alat; Heym juga dapat mengekspos alur kerja yang diterbitkan sebagai alat MCP yang dapat dipanggil dari klien seperti Claude Desktop atau Cursor.
Pos pemeriksaan Human-in-the-loop (HITL): Menjeda eksekusi pada langkah-langkah kritis, menghasilkan URL tinjauan publik satu kali, dan memungkinkan peninjau untuk menerima, mengedit, atau menolak sebelum alur kerja berlanjut—menjaga manusia tetap dalam kendali.
Observabilitas dan tata kelola produksi: Riwayat eksekusi dan pencarian, jejak LLM, evaluasi, log gaya audit, ekspor OpenTelemetry, dan pelacakan biaya USD riil untuk men-debug, memantau, dan mengelola alur kerja dalam produksi.
Kasus Penggunaan Heym
Penyusunan dukungan pelanggan dengan persetujuan: Meringkas email atau tiket masuk, menyusun balasan dengan agen, mengarahkan item mendesak ke Slack, dan memerlukan persetujuan HITL sebelum mengirim tanggapan yang menghadap pelanggan.
Tinjauan dan pengiriman PR Dev & IT Ops: Menarik PR dari GitHub, menjalankan tinjauan kode multi-agen/adversarial, membuat tugas yang dapat ditindaklanjuti, membuka atau memperbarui PR, dan memberi tahu Slack saat input manusia diperlukan.
Pipeline konten pemasaran: Menghasilkan aset kampanye secara end-to-end (misalnya, topik dari Sheets → skrip → pembuatan video melalui API eksternal → penerbitan) dengan gerbang tinjauan dan eksekusi yang dapat dilacak.
Asisten pengetahuan dokumen (RAG): Mengunggah dokumen internal, membangun pencarian semantik + alur kerja penjawaban, dan mengeksposnya sebagai alat (MCP) atau melalui obrolan REST/SSE/portal untuk karyawan atau pelanggan.
Otomatisasi operasi berbasis browser: Menggunakan otomatisasi Playwright pihak pertama (langkah visual, langkah yang dihasilkan AI, atau mode kode penuh) untuk melakukan tugas web seperti entri data, scraping, atau alur kerja back-office.
Kelebihan
Di-host sendiri dan tersedia sumbernya, menjaga data, kredensial, dan eksekusi pada infrastruktur Anda.
Primitif agensi yang kuat (orkestrasi multi-agen, keterampilan, MCP) dikombinasikan dengan RAG bawaan dan persetujuan HITL.
Kemampuan inspeksi tingkat produksi: riwayat eksekusi, jejak, evaluasi, log, ekspor OpenTelemetry, dan pelacakan biaya.
Kekurangan
Lisensi yang tersedia sumbernya (Commons Clause + MIT) mungkin tidak cocok untuk tim yang membutuhkan lisensi open-source yang sepenuhnya permisif.
Self-hosting memperkenalkan overhead operasional (penyebaran, penskalaan, peningkatan) dibandingkan dengan SaaS otomatisasi yang dikelola sepenuhnya.
Cara Menggunakan Heym
1) Pilih cara Anda akan menjalankan Heym (dihosting sendiri): Putuskan apakah Anda akan menyebarkan Heym dengan Docker Compose atau Kubernetes (Helm). Heym tersedia sumbernya dan dirancang untuk berjalan di infrastruktur Anda sendiri sehingga Anda dapat menggunakan model/kredensial Anda sendiri dan menyimpan data di lingkungan Anda.
2) Instal dan mulai Heym: Ikuti Panduan Memulai dari dokumen GitHub Heym untuk mengkloning repositori, mengonfigurasi variabel lingkungan yang diperlukan, dan memulai layanan (umumnya melalui Docker Compose). Jika Anda menginginkan pengaturan minimal, mulailah dengan konfigurasi gaya "minimal DB + .env" yang direferensikan dalam dokumen, lalu perluas sesuai kebutuhan menggunakan referensi lingkungan.
3) Buka aplikasi web Heym dan buat alur kerja: Luncurkan UI Heym dan buat alur kerja baru. Alur kerja Heym dibangun di atas kanvas visual tempat Anda menghubungkan node ke dalam grafik asiklik terarah (DAG).
4) Bangun alur kerja dengan salah satu dari dua cara: prompt-to-workflow atau pengkabelan kanvas manual: Opsi A: Jelaskan alur kerja dalam bahasa alami dan biarkan asisten Heym menghasilkan node dan edge di kanvas. Opsi B: Seret dan lepas node dari pustaka node (pemicu, AI, logika, data, integrasi, otomatisasi, utilitas) dan hubungkan secara manual.
5) Tambahkan node Agen untuk otomatisasi penggunaan alat: Tempatkan node Agen saat Anda ingin LLM merencanakan dan memanggil alat. Konfigurasikan penyedia model agen (misalnya, OpenAI/Anthropic/Gemini/Ollama/OpenRouter) dan tentukan alat apa yang dapat digunakannya (alat node kanvas, keterampilan, alat MCP, dll.).
6) Tambahkan node LLM untuk pembuatan teks/visi (saat Anda tidak memerlukan panggilan alat): Gunakan node LLM untuk tugas pembuatan langsung (ringkasan, ekstraksi, penulisan ulang, pemahaman berbasis visi). Ini menjaga bagian-bagian alur kerja tetap sederhana dan terfokus saat orkestrasi agen penuh tidak diperlukan.
7) Hubungkan integrasi (Slack, email/IMAP, API HTTP, antrean, dll.): Tambahkan node integrasi untuk menghubungkan sistem eksternal seperti Slack, Telegram, kotak masuk IMAP, email, Redis, RabbitMQ, Grist, Google Sheets/Drive, dan API HTTP generik. Berikan kredensial di panel konfigurasi node.
8) Tambahkan RAG (Retrieval-Augmented Generation) jika Anda memerlukan pencarian pengetahuan: Konfigurasikan RAG untuk mencari di atas penyimpanan vektor seperti Qdrant atau Postgres bawaan (pgvector). Gunakan ini saat agen/LLM harus mendasarkan respons pada dokumen atau pengetahuan internal Anda.
9) Gunakan MCP di kedua arah (klien atau server): Sebagai klien MCP: hubungkan node Agen ke server MCP eksternal; Heym menemukan alat dan membuatnya tersedia dalam konfigurasi agen. Sebagai server MCP: publikasikan alur kerja sehingga klien MCP eksternal (Claude Desktop, Cursor, ekstensi VS Code, dll.) dapat memanggilnya sebagai alat.
10) Tambahkan Keterampilan untuk membuat kemampuan agen portabel dan dapat digunakan kembali: Lampirkan keterampilan (zip atau Markdown dengan SKILL.md dan alat Python opsional) ke node Agen untuk memperluas konteks sistem dan kotak alatnya tanpa menulis ulang node. Gunakan Pembuat Keterampilan untuk menyusun/merevisi keterampilan, dan gunakan kembali keterampilan yang sama di beberapa alur kerja untuk perilaku yang konsisten.
11) Aktifkan persetujuan Human-in-the-Loop (HITL) untuk tindakan berisiko: Aktifkan HITL untuk node Agen dan tentukan pedoman untuk apa yang memerlukan persetujuan (panggilan alat, efek samping, sub-alur kerja, tindakan MCP, dll.). Ketika agen mencapai pos pemeriksaan, ia memanggil request_human_review; Heym membuat URL permintaan tinjauan publik dan menjeda eksekusi utama hingga disetujui. Anda dapat mengarahkan URL tinjauan yang tertunda ke Slack/email/pencatatan melalui node yang terhubung ke pegangan tinjauan agen.
12) Tambahkan pagar pembatas untuk memblokir input yang tidak aman sebelum eksekusi: Aktifkan Guardrails di properti node untuk mencegah pesan pengguna yang tidak aman mencapai agen. Ini berguna untuk portal obrolan yang menghadap publik atau alur kerja yang dipicu oleh input eksternal.
13) Desain untuk paralelisme dengan DAG: Hubungkan node sehingga cabang independen dapat berjalan secara paralel. Heym mengkompilasi dan mengeksekusi DAG dengan eksekusi paralel di mana dependensi memungkinkan, meningkatkan throughput tanpa kode konkurensi manual.
14) Konfigurasikan keandalan: percobaan ulang dan cabang kesalahan: Untuk node yang mungkin gagal (panggilan jaringan, API eksternal), aktifkan Coba Lagi dengan percobaan/backoff. Tambahkan cabang Kesalahan untuk mengarahkan kegagalan ke jalur khusus alih-alih menghentikan alur kerja, dan gunakan konteks kesalahan (misalnya, $nodeName.error) di node hilir untuk menangani/melaporkan kegagalan.
15) Jalankan alur kerja dari kanvas: Jalankan alur kerja langsung di editor untuk melihat runtime visual: cabang, panggilan alat, memori, dan pos pemeriksaan HITL muncul saat grafik berjalan.
16) Jalankan alur kerja melalui titik akhir API: Panggil alur kerja secara terprogram menggunakan /execute, streaming kemajuan melalui /execute/stream, ekspos sebagai alat MCP di /api/mcp/sse, atau publikasikan sebagai aplikasi obrolan Portal di /chat/{slug}. Ini memungkinkan alur kerja yang sama melayani orang, layanan backend, dan klien AI tanpa membangunnya kembali.
17) Periksa eksekusi dengan pelacakan dan observabilitas: Gunakan jejak bawaan Heym untuk memeriksa setiap eksekusi dan eksekusi node. Secara opsional ekspor rentang OpenTelemetry melalui OTLP/HTTP ke backend observabilitas Anda menggunakan variabel lingkungan HEYM_OTEL_* (dinonaktifkan secara default), dengan propagasi konteks jejak W3C.
18) Lacak penggunaan dan biaya token: Gunakan pelacakan biaya token Heym untuk memahami penggunaan model per eksekusi dan karakteristik biaya, terutama saat membandingkan pola multi-agen, RAG, atau penyedia model yang berbeda.
19) Mulai dari template untuk mempelajari pola umum dengan cepat: Jelajahi template Heym, unduh alur kerja, tempelkan ke kanvas, dan jalankan dalam hitungan menit. Template mencakup pola seperti penyusunan balasan dukungan HITL, tinjauan PR yang bermusuhan dengan beberapa agen, pelacakan status LLM batch, dan triase kotak masuk IMAP ke Slack.
20) Perkuat penyebaran dan kontrol akses: Untuk produksi, jaga agar pendaftaran tetap terkontrol (misalnya, nonaktifkan pendaftaran terbuka) dan hanya aktifkan fitur sensitif (seperti akses log Docker) untuk admin tepercaya seperti yang didokumentasikan. Ini mengurangi risiko pengguna yang tidak terverifikasi mendapatkan visibilitas yang lebih tinggi.
FAQ Heym
Heym adalah platform otomatisasi alur kerja AI agentik yang tersedia sumbernya, di-host sendiri, dengan kanvas visual berkode rendah. Ini memungkinkan Anda membangun, memvisualisasikan, dan menjalankan alur kerja cerdas (DAG) dengan agen, alat, dan integrasi pada infrastruktur yang Anda kendalikan.
Video Heym
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 Heym
Hapticlabs
Hapticlabs adalah toolkit tanpa kode yang memungkinkan desainer, pengembang, dan peneliti untuk dengan mudah merancang, membuat prototipe, dan menerapkan interaksi haptik yang imersif di berbagai perangkat tanpa pemrograman.
Deployo.ai
Deployo.ai adalah platform penerapan AI yang komprehensif yang memungkinkan penerapan model, pemantauan, dan penskalaan yang mulus dengan kerangka kerja AI etis bawaan dan kompatibilitas lintas cloud.
CloudSoul
CloudSoul adalah platform SaaS bertenaga AI yang memungkinkan pengguna untuk segera menerapkan dan mengelola infrastruktur cloud melalui percakapan bahasa alami, menjadikan manajemen sumber daya AWS lebih mudah diakses dan efisien.
Devozy.ai
Devozy.ai adalah platform layanan mandiri pengembang yang didukung AI yang menggabungkan manajemen proyek Agile, DevSecOps, manajemen infrastruktur multi-cloud, dan manajemen layanan TI menjadi solusi terpadu untuk mempercepat pengiriman perangkat lunak.
Alat AI Populer Seperti Heym
A2A Protocol
Protokol A2A (Agent2Agent) adalah protokol interoperabilitas terbuka yang dikembangkan oleh Google yang memungkinkan komunikasi dan kolaborasi tanpa batas antara agen AI di berbagai kerangka kerja dan vendor, terlepas dari arsitektur yang mendasarinya.
VoltOps
VoltOps adalah platform observabilitas LLM agnostik kerangka kerja yang menyediakan alat pemantauan visual, debugging, dan optimasi waktu nyata untuk agen AI di seluruh tumpukan teknologi apa pun.
Chaterm
Chaterm adalah terminal asli AI sumber terbuka dan kopilot SRE yang memungkinkan para insinyur untuk mengelola infrastruktur yang kompleks melalui bahasa alami, mengotomatiskan penerapan, pemecahan masalah, dan operasi tanpa menghafal perintah.
Open Browser Use
Open Browser Use adalah lapisan otomatisasi browser open-source, netral-runtime-agen yang memasangkan ekstensi Chrome dengan CLI/SDK/MCP untuk memungkinkan kontrol tab yang sadar DOM, bertenaga CDP, navigasi, dan tindakan di berbagai alat agen AI.