Finyuus
Finyuus è una piattaforma code-first che utilizza un DSL basato sull'indentazione e un runtime basato su Temporal per costruire, eseguire, versionare e governare flussi di lavoro AI durevoli con agenti, strumenti, guardie, approvazioni umane, osservabilità e pubblicazione API.
https://github.com/mariusndini/Finyuus?ref=producthunt&utm_source=aipure
Informazioni sul Prodotto
Aggiornato:Aug 6, 2026
Cos'è Finyuus
Finyuus è una piattaforma per definire e operare il comportamento dell'IA come un sistema autonomo e versionato, piuttosto che incorporare prompt e logica di orchestrazione in tutto il codice dell'applicazione. Combina un linguaggio di flusso di lavoro (DSL) piccolo, leggibile e basato sull'indentazione con un runtime di produzione e un piano di controllo in modo che i team possano comporre agenti, strumenti, controlli delle politiche (guardie), approvazioni umane e flussi di lavoro nidificati in testo. Finyuus esegue i flussi di lavoro in modo duraturo utilizzando Temporal, fornisce una dashboard per l'autore e la revisione delle esecuzioni e supporta operazioni di tipo aziendale tramite versioning, auditing e osservabilità centralizzata.
Caratteristiche principali di Finyuus
Finyuus è una piattaforma "code-first" per definire, eseguire e governare flussi di lavoro AI duraturi utilizzando un piccolo DSL basato sull'indentazione. Separa il comportamento dell'AI (agenti, prompt, strumenti, "guardie", approvazioni, schemi e pipeline) dal codice dell'applicazione, quindi esegue i flussi di lavoro su Temporal per uno stato duraturo, tentativi, annullamento e riproducibilità. La piattaforma aggiunge versioning centralizzato, auditing e cronologia delle esecuzioni (inclusi i flussi di lavoro nidificati), osservabilità tramite il tracciamento Langfuse e la rendicontazione dei costi, gestione dei dati e degli artefatti tramite ClickHouse e archiviazione oggetti (MinIO/S3), e la capacità di pubblicare pipeline come API autenticate con convalida, idempotenza, limitazione della frequenza e eventi "server-sent".
DSL per pipeline basato sull'indentazione: Un DSL testuale mirato per comporre agenti, strumenti, "guardie", approvazioni, flusso di controllo (if/else, cicli, percorsi, parallelo), pipeline figlie e ritorni strutturati—ottimizzato per diff leggibili e revisione del codice.
Esecuzione duratura su Temporal: Esegue flussi di lavoro con stato duraturo, tentativi, annullamento, esecuzione a lungo termine e riproducibilità; supporta l'orchestrazione di flussi di lavoro figli e semantiche coerenti per pipeline nidificate.
Componenti AI versionati: Registro centrale per agenti, strumenti, "guardie", schemi e pipeline con cronologia delle versioni e "pin" di versione immutabili (ad esempio, pipeline@v3) per garantire riproducibilità e implementazioni controllate.
Governance: "guardie" + approvazioni umane: Controlli di policy di prima classe ("guardie" basate su LLM con routing pass/block e confidenza) più passaggi di approvazione che mettono in pausa l'esecuzione per la revisione umana con assegnatari, timeout e rami espliciti approvati/rifiutati.
Registro degli strumenti (nativi, HTTP, supportati da pipeline): Supporta strumenti nativi TypeScript, strumenti HTTP configurabili e strumenti supportati da pipeline richiamabili dal DSL o dagli agenti durante i cicli degli strumenti, consentendo capacità operative riutilizzabili.
API di produzione + stack di osservabilità: Pubblica le pipeline come endpoint autenticati con limitazione della frequenza, idempotenza, convalida dell'input e streaming SSE; ispeziona gli eventi di esecuzione, la cronologia del flusso di lavoro, le chiamate agli strumenti e le tracce/costi del modello tramite Langfuse e la dashboard.
Casi d'uso di Finyuus
Flussi di lavoro di conformità per i servizi finanziari: Crea pipeline di contenuti rivolte ai clienti che instradano le richieste attraverso "guardie" di consulenza finanziaria, generano riscritture educative e richiedono approvazioni di conformità prima del rilascio—completamente verificabili e riproducibili.
Automazione del supporto aziendale e dell'IT: Orchestra flussi di lavoro multi-step di agenti/strumenti (triage dei ticket, diagnostica tramite strumenti HTTP, liste di controllo per la risoluzione) con "safe-guards", approvazioni di escalation umana e tentativi duraturi per integrazioni instabili.
Pipeline di ricerca e reporting: Automatizza la ricerca di mercato/azienda combinando strumenti di recupero dati (ad esempio, esempi SEC EDGAR/Yahoo Finance), agenti di analisi con output strutturati, "guardie" di policy di pubblicazione e archiviazione degli artefatti.
Generazione di contenuti sanitari o regolamentati: Genera materiali per pazienti/fornitori o riepiloghi interni con "guardie" di policy e approvazioni umane obbligatorie, mantenendo una cronologia completa delle esecuzioni per l'auditing e la revisione degli incidenti.
Operazioni sui dati interne e flussi di lavoro di analisi: Costruisci pipeline che leggono/scrivono tabelle ClickHouse, gestiscono file/artefatti nell'archiviazione oggetti e producono risultati strutturati—utile per l'aumento dell'AI di tipo ETL e l'arricchimento ripetibile dei dati.
Endpoint AI "productized" per applicazioni: Espone flussi di lavoro AI stabili come API in modo che più app possano chiamare la stessa pipeline versionata, mentre i team operativi gestiscono i cambiamenti di comportamento, il monitoraggio e la governance al di fuori della codebase dell'app.
Vantaggi
Semantiche di esecuzione durature e di livello produttivo tramite Temporal (tentativi, annullamento, riproducibilità, flussi di lavoro a lungo termine).
Forti primitive di governance ("guardie", "pin" di versione, approvazioni) più auditing centralizzato/cronologia delle esecuzioni.
Il DSL "code-first" consente la revisione basata su Git, il riutilizzo e diff manutenibili rispetto a grandi flussi di lavoro visivi.
Svantaggi
Complessità operativa: richiede l'esecuzione e la manutenzione di più servizi (Temporal, Postgres, Redis, ClickHouse, archiviazione oggetti, Langfuse).
Curva di apprendimento: i team devono adottare un nuovo DSL e un nuovo modello di flusso di lavoro anziché rimanere puramente nel codice dell'applicazione.
Il valore migliore appare su larga scala; potrebbe essere più pesante del necessario per piccoli prototipi o semplici catene di prompt.
Come usare Finyuus
1) Installa i prerequisiti: Installa Node.js 22+, pnpm 10+ e Docker Desktop (motore in esecuzione). Prepara almeno una chiave del provider LLM: OPENAI_API_KEY o ANTHROPIC_API_KEY.
2) Ottieni il codice: Clona il repository Finyuus localmente (ad esempio, da https://github.com/mariusndini/Finyuus) e vai alla root del repository.
3) Installa le dipendenze: Esegui: pnpm install
4) Crea il tuo file di ambiente locale: Copia il template: cp .env.local.example .env.local
5) Configura le variabili d'ambiente richieste: Modifica .env.local e aggiungi almeno una chiave del provider (OPENAI_API_KEY o ANTHROPIC_API_KEY). Se prevedi di utilizzare l'API Pipeline pubblicata, imposta PIPELINE_API_TOKEN. Opzionale: imposta SEC_USER_AGENT per gli strumenti demo di SEC EDGAR. Per l'archiviazione oggetti: lascia non impostato per utilizzare MinIO locale, oppure imposta OBJECT_STORAGE_PROVIDER=s3 più le variabili S3 se desideri AWS S3.
6) Genera segreti locali e file di ambiente dell'app: Esegui: make init (questo genera infra/.env e altri file di ambiente generati utilizzati dai servizi locali come Langfuse).
7) Avvia l'infrastruttura locale (Temporal, Postgres, ClickHouse, MinIO, Redis, Langfuse): Esegui: make up
8) (Opzionale) Popola il contenuto demo: Le nuove installazioni iniziano vuote. Se desideri strumenti/schemi/agenti/pipeline di esempio da esplorare, esegui: make demos
9) Costruisci e avvia la dashboard web (consigliato per una navigazione più veloce): Esegui: pnpm build-web e poi pnpm start-web (la dashboard è disponibile all'indirizzo http://localhost:3001).
10) Avvia il worker (motore di esecuzione): In un secondo terminale, esegui: pnpm start-worker (questo worker Temporal esegue le pipeline).
11) Apri le UI locali: Apri la dashboard Finyuus: http://localhost:3001. UI di supporto opzionali: Langfuse http://localhost:3000, Temporal UI http://localhost:8080, MinIO Console http://localhost:9001, Redis Insight http://localhost:5540.
12) Crea o modifica una pipeline usando il DSL basato sull'indentazione: Nell'editor di pipeline della dashboard, scrivi un flusso di lavoro usando istruzioni di prima classe come agent:, tool:, guard:, approval:, pipeline:, http:*, read/save file/table, if/else, for, parallel, route, return. Salvalo come pipeline versionata in modo che possa essere eseguito e bloccato per versione.
13) Esegui una pipeline dalla dashboard: Dalla pagina della pipeline nella dashboard, avvia un'esecuzione con valori di input. Osserva gli eventi di esecuzione, gli esiti delle guardie, le chiamate agli strumenti e i passaggi del flusso di lavoro nidificato. Utilizza annullamento/tentativi come supportato dall'esecuzione basata su Temporal.
14) Aggiungi governance con le guardie (controlli delle politiche): Inserisci i passaggi guard:<key> prima/dopo le chiamate dell'agente. Implementa i rami pass/block per instradare l'esecuzione. Utilizza i campi restituiti dalla guardia (ad esempio, message/confidence) nei tuoi payload di ritorno o nella logica di branching.
15) Aggiungi approvazioni human-in-the-loop: Inserisci i passaggi approval:<key> per mettere in pausa l'esecuzione finché un revisore non la risolve. Configura -assigned-to e -timeout, e definisci i rami approved:/rejected: (e le azioni di timeout se necessario). I revisori risolvono le approvazioni nella dashboard o tramite API.
16) Usa gli strumenti (nativi, HTTP o basati su pipeline): Chiama gli strumenti direttamente nel DSL con tool:<name> e argomenti. Configura gli strumenti HTTP nella dashboard (le intestazioni/URL possono fare riferimento a segreti di ambiente lato server come {{env.MY_API_KEY}}). Crea strumenti basati su pipeline salvando le pipeline e consentendo agli agenti di chiamarli durante il ciclo degli strumenti.
17) Usa dati e artefatti durevoli (tabelle + file): Usa read:table/save:table per operazioni su dati strutturati basate su ClickHouse, e read:file/save:file per file/artefatti basati su object storage (MinIO locale per impostazione predefinita, o S3 se configurato).
18) Blocca le versioni per la riproducibilità: Fai riferimento a versioni immutabili come pipeline:company_research@v3 o agent:research_analyst@v2 per garantire un comportamento stabile tra le esecuzioni e consentire l'auditabilità.
19) Pubblica una pipeline come API HTTP autenticata: Pubblica la pipeline come endpoint nella dashboard. Quindi chiamala con un token bearer e una chiave di idempotenza, ad esempio: 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"}}'. Usa gli endpoint di streaming SSE per aggiornamenti in tempo reale se abilitati.
20) Osserva e controlla le esecuzioni: Usa la dashboard per ispezionare la cronologia delle esecuzioni, i flussi di lavoro nidificati, le decisioni di guardia/approvazione e gli eventi. Usa l'UI di Temporal per le timeline dei flussi di lavoro e la semantica di durabilità (tentativi/annullamento/ripetibilità). Usa Langfuse per tracce, utilizzo dei token e report sui costi del modello (disabilita globalmente tramite LLM_TRACING_ENABLED=false se desiderato).
21) Sviluppa localmente (modalità watch) quando modifichi il codice: Se stai modificando Finyuus stesso, esegui pnpm dev per la modalità watch. Usa pnpm typecheck (o typecheck filtrati per pacchetto) durante lo sviluppo.
22) Aggiungi un nuovo strumento nativo (estendendo Finyuus): Aggiungi i metadati dello strumento in packages/tools/src/metadata.ts, aggiungi una factory in packages/tools/src/registry.ts, implementa lo strumento in packages/tools/src/, quindi esegui i typecheck per i pacchetti interessati.
23) Aggiungi una nuova istruzione DSL (estendendo il linguaggio/runtime): Aggiungi il tipo AST in packages/pipelines/src/types.ts, aggiungi il supporto del parser in packages/pipelines/src/parser.ts, implementa la logica di esecuzione in apps/worker/src/workflows.ts, aggiungi attività in apps/worker/src/activities.ts se ci sono effetti collaterali e aggiorna l'intelligenza dell'editor/autocomplete in apps/web/src/lib/pipeline-intelligence.ts e apps/web/src/components/pipeline/pipeline-completions.ts.
24) Ferma o ripristina l'infrastruttura locale: Per fermare i servizi mantenendo i dati: make down. Per seguire i log: make logs. Per verificare lo stato di salute: make verify. Per distruggere i dati del servizio locale: make reset.
FAQ di Finyuus
Finyuus è una piattaforma "code-first" per la creazione, l'esecuzione e la gestione di flussi di lavoro AI duraturi. Fornisce un DSL basato sull'indentazione per comporre agenti, strumenti, "guardie", approvazioni umane, operazioni su dati strutturati e flussi di lavoro annidati, e li esegue utilizzando Temporal con un ambiente centralizzato per il controllo di versione, l'osservazione, l'audit e l'operatività dei flussi di lavoro.
Articoli Popolari
Atoms: Una Piattaforma AI Multi-Agente Che Trasforma le Idee in Prodotti Pronti al Lancio
May 22, 2026
Nano Banana SBTI: Cos'è, come funziona e come usarlo nel 2026
Apr 15, 2026
Recensione di Atoms — Il builder di prodotti AI che ridefinisce la creazione digitale nel 2026
Apr 10, 2026
Kilo Claw: Come Distribuire e Utilizzare un Vero Agente AI "Fai-da-Te" (Aggiornamento 2026)
Apr 3, 2026
Ultimi Strumenti AI Simili a Finyuus
Gait
Gait è uno strumento di collaborazione che integra la generazione di codice assistita dall'IA con il controllo delle versioni, consentendo ai team di tracciare, comprendere e condividere il contesto del codice generato dall'IA in modo efficiente.
invoices.dev
invoices.dev è una piattaforma di fatturazione automatizzata che genera fatture direttamente dai commit Git dei programmatori, con capacità di integrazione per i servizi GitHub, Slack, Linear e Google.
EasyRFP
EasyRFP è un toolkit di edge computing alimentato da AI che semplifica le risposte alle RFP (Richiesta di Proposta) e consente la fenotipizzazione sul campo in tempo reale attraverso la tecnologia di deep learning.
Cart.ai
Cart.ai è una piattaforma di servizi alimentata dall'IA che fornisce soluzioni complete di automazione aziendale, tra cui codifica, gestione delle relazioni con i clienti, editing video, configurazione e-commerce e sviluppo di AI personalizzata con supporto 24/7.
Strumenti AI Popolari Come Finyuus
GitHub Copilot Chat
GitHub Copilot Chat è un assistente di codifica alimentato dall'IA che fornisce interazioni in linguaggio naturale, suggerimenti di codice in tempo reale e supporto contestuale direttamente all'interno degli IDE supportati e di GitHub.com.
CopilotForXcode
CopilotForXcode è un'estensione dell'Editor di Codice Xcode che integra GitHub Copilot, Codeium e ChatGPT per fornire suggerimenti di codice alimentati dall'IA, assistenza in chat e funzionalità di prompt-to-code all'interno di Xcode.
BrowserAI
BrowserAI è una libreria open source che consente l'esecuzione di modelli linguistici di grandi dimensioni (LLM) locali direttamente nei browser web con accelerazione WebGPU, offrendo funzionalità di intelligenza artificiale incentrate sulla privacy senza richiedere infrastrutture server.
OpenAI Codex CLI
OpenAI Codex CLI è un agente di codifica open-source leggero che viene eseguito nel tuo terminale, consentendo agli sviluppatori di tradurre il linguaggio naturale in esecuzione di codice fornendo al contempo un ragionamento a livello di ChatGPT con la capacità di eseguire codice, manipolare file e iterare sotto controllo di versione.