大多数 AI 工具只给你一个框：输入提示词，得到一个结果，然后重复。在你的想法只有一步时，这没什么问题。可一个角色需要在六个镜头里保持一致；一份脚本需要先变成分镜，再变成图像，最后变成视频；二十个变体需要批量渲染并排比较——单框模式在你的工作变成一条流水线的那一刻就崩溃了。
这正是 Floniks 的工作流编辑器想要弥合的缺口。它是一块基于节点的 AI 流水线画布：你拖入节点，把输出端口接到输入端口，然后让 Floniks 替你运行整张图——多个模型，串行和并行，全在同一界面上。本文带你看看我们如何理解它、这些节点到底做什么，以及我们在底层做了哪些工程，让一张大图始终保持流畅。
画布是一张 DAG，不是聊天框
打开 /editor，你看到的是一块基于 XYFlow/ReactFlow 构建的有向无环图（DAG）画布。每个节点是一个工作单元，每条边是一个数据依赖。"无环"很关键：数据向前流动，没有任何东西回环到自身，正是这个约束让我们能对图做拓扑排序，并在节点输入就绪的那一刻执行它——让相互独立的分支并行运行，而不是把你逼进单一的流水线。
你通过拖拽来搭建。把一个节点拉到画布上，从它的输出端口拖向另一个节点的输入端口，连接便会自动吸附就位。我们加入了智能节点拖拽，会自动匹配兼容的端口类型，所以图像输出天然倾向于落在图像输入上——画布会引导你连出真正能跑通的连接。在任意位置右键即可调出添加节点菜单，无需在侧边栏里翻找；工具栏本身也分成两类：Skill 节点（更高层、更具倾向性的构建模块）和 API 节点（直接访问单个模型）。你可以选择自己想要的工作高度。
节点剖析
三类节点覆盖了你要搭建的大部分内容。
输入节点把原始素材带进来。imageInput、videoInput 和 audioInput 接受上传——但它们也能直接从你的浏览器采集：你的摄像头、你的屏幕/录屏器，以及你的麦克风。这意味着一张参考照片、一段屏幕录制或一条语音备忘，无需离开标签页就能成为图的输入。
AI 生成节点是模型干活的地方。每个节点都在卡片上直接显示其单节点积分成本，所以你在决定运行之前就能看到这一次会花多少。当一个节点带着一长串细粒度设置时，我们会把它们收进高级开关（is_advanced）之后——常用控件保持可见，深层旋钮留在一键之外，卡片也保持清爽易读。
文件输出节点是结果落地的地方。它们会自动编号——File Output1、File Output2、File Output3——让一张多分支的图一眼看去依然清晰。
当图变大时，节点分组让它保持井然有序。分组是命名的、带颜色的、半透明的区域，作为一个整体一起拖动，所以你可以把"角色设置"或"最终渲染"框起来，作为一块整体移动。再配上用于放入预建能力节点的 Skill 选择器，一条庞大的流水线便能保持有序，而不至于变成一团乱麻。
在花费积分之前做校验
最糟的莫过于等着渲染完成，才得知输入是错的。所以我们搭建了一个统一的前端校验层，在一个积分离开你的余额之前就抓出问题。它会检查每个 AI 节点是否真的选好了模型，强制执行单节点的文件数量上限（每个 AI 节点都声明自己的 max_input_images），并校验媒体时长，让超长的片段在事前就被标出，而不是中途运行失败。原则很简单：让可修复的错误浮现在画布上，而不是出现在账单里。
让真正的流水线成为可能的那些节点
通用节点类型让你起步。专用的那些，才是把"几个提示词"变成生产级工作流的关键。
characterRegistry让一个角色在镜头与剧集之间保持一致——注册一次角色便可反复复用，让面孔不会在场景之间漂移。这是任何多集 AI 故事的支柱。styleLock锁定一个场景的视觉风格，让一段序列保持统一，而不是在不同观感之间游移。consistencyEval自动为视觉一致性打出 0 到 100 的分数，给你一个客观的判断，看一批结果是否真的协调一致——不必再眯着眼盯缩略图。batchRender一次性渲染许多变体，而imageBatch最多接收 20 张图像，喂给fileBatchOutput输出批量结果。生成、打分、挑选——规模化进行。multimodalToVideo把图像、视频、音频和文本参考聚合进一次生成，用@Element1这样的@Element标签来寻址，让你能精确指向某个模型应当借鉴的参考。它是一条真正的 AI 视频流水线的核心。storyboardSplit和storyboardRowPicker把脚本变成一张可编辑的分镜表格——把叙事拆分成镜头，再挑选行来驱动下游生成。- Inpaint 节点自带内置的蒙版画笔——可调画笔大小、橡皮擦、完整的撤销/重做——所以蒙版就在画布上完成，你再也不用往返 Photoshop。如果你主要想做编辑，我们的 AI 图像编辑指南讲得更深入。
这些每一个都是你接进同一张图的节点，而这正是关键所在：角色一致性、风格锁定、分镜、批量渲染和一致性打分并不是各自独立的应用——它们是可以组合的节点。
看着它运行
点击运行，整张图便活了起来。实时的节点状态、进度和结果通过服务器发送事件（SSE）回流，所以你能实时看到每个节点从待处理走到处理中再到完成。在你提交的那一刻，即时占位卡片便落入你的历史记录，所以在"我点了运行"和"有事情正在发生"之间，绝不会有一段死寂的空白。结果随到随填。
让一张大画布保持顺滑
一个节点编辑器只有在图变重时仍保持响应，才称得上好用，而这需要刻意的工程。
第一个罪魁祸首是状态。我们的撤销/重做与自动保存在每一帧都在序列化整块画布状态——五个节点时没问题，五十个节点时就极其残酷。我们修复了这种逐帧的全量状态序列化，于是编辑一张大图不再卡顿。第二个是渲染：活动边上的辉光是在 CPU 上绘制的，当许多条边同时点亮时，画布就会顿卡。我们把边缘辉光转移到 GPU 合成，即便有大量节点和实时连接，画布也保持顺滑。
那些日常的小胜利同样重要。你保存无需刷新页面、运行不会让画布闪烁——这些小事你绝不会写进功能页里，但它们正是"一个你勉强忍受的工具"与"一个你愿意常驻其中的工具"之间的区别。
从画布到可分享、可调用的工作流
你搭建的每一张图都会进入你的 My Workflows 图库。从那里你可以发布一个带作者署名的分享页，每个分享都包含一个**"通过 API 与 AI 智能体使用"**入口——于是一个你用可视化方式设计的工作流，可以通过 MCP、REST 或 Skills，借助 面向开发者的 MCP 与 API 被调用。一条流水线就此不再是一次性产物，而成为智能体或应用能够调用的基础设施。
如果你不想从空白画布开始，可以浏览预设模板并改造其中之一——在编辑器里打开它，替换模型，重连某条分支，让它成为你自己的。
为什么图胜过提示词
在 DAG 画布上搭建的更深层理由，不在于它看起来令人印象深刻。而在于真正的创意工作是有结构的——依赖、分支、复用、评估——而图正是这种结构的诚实呈现。一个提示词框把一切压平成一步。一条基于节点的 AI 流水线让你能说出自己真正的意思：这个角色喂给这三个镜头，那些镜头被风格锁定，这批结果被打分，胜出者进入最终渲染。画布承载着整个想法的形状，而 Floniks 把它执行出来。
这就是一套你能看见、编辑、分享并调用的多模型 AI 工作流。打开工作流编辑器，接出你的第一张图。
常见问题
Floniks 工作流编辑器是什么？
它是位于 /editor 的一个基于节点的 AI 流水线编辑器，构建在一块 DAG（有向无环图）画布之上。你拖入节点，把输出端口连到输入端口，Floniks 便运行整张图——在同一界面上串行和并行地串联多个 AI 模型。
我怎样让一个角色在多个镜头里保持一致？
使用 characterRegistry 节点。注册一次角色，便可在镜头与剧集之间复用它，让面孔保持一致。再配上 styleLock 来锁住一个场景的视觉风格，以及 consistencyEval 来自动为视觉一致性打出 0 到 100 的分数。
如果我设置错了，会浪费积分吗？
编辑器会在执行前跑一遍统一的前端校验——检查模型选择、单节点文件数量上限（max_input_images）以及媒体时长。问题会在任何积分被花掉之前浮现在画布上。每个 AI 节点也会在卡片上显示它的积分成本。
我能在编辑器之外运行我的工作流吗？
可以。每个工作流都存在于你的 My Workflows 图库中，并且可以连同分享页一起发布。每个分享都包含一个"通过 API 与 AI 智能体使用"入口，所以你可以通过 MCP、REST 或 Skills 调用你的流水线——参见面向开发者的 MCP 与 API。