Gradio Workflow 把多步 AI 应用变成一张可运行的节点图:输入、模型、函数和结果沿着有类型的端口连接,画布同时承担调试界面与 API 入口。
- 背景:多步脚本一旦在第 5 步出错,开发者常常要重跑前 4 步,还看不见中间结果。Workflow 把每一步放到画布上,运行结果留在节点旁边。
- 核心概念:一张图包含三类节点:references 是输入,operators 是处理步骤,subjects 是结果。数据沿 typed ports 流动。
- 架构:operator 可以调用 Hugging Face Space、模型、数据集或 Python 函数;每个节点的输入输出端口规定了连接关系。
- 关键要素:类型端口会检查连接;一个输入可以扇出到多个分支;
workflow.json保存图结构;bind=能把 Python 函数接入画布。 - 对比:
gr.Workflow适合可视化搭建和快速部署;Gradio Blocks 适合单个应用的事件式界面;ComfyUI 更偏纯视觉节点编辑;Daggr 已于 2026 年 8 月 28 日归档,项目提示迁移到gr.Workflow。 - 上手:安装 Gradio,运行
gr.Workflow().launch(),在画布拖入 Space、模型或数据集并连接端口。绑定 Python 函数时使用gr.Workflow(bind=[函数]).launch();写入地址保持私密。
References
- 1Wire It, Run It, Deploy It: AI Workflows in Gradio
huggingface.co
- 2Gradio Workflows 官方指南
gradio.app
- 3gradio-app/daggr GitHub 仓库
github.com


Comments