daggr
基于代码的AI工作流构建器，自动生成可视化画布。
安装使用
复制下面这段提示词发给你的 AI（Claude / Cursor / TRAE / Codex / WorkBuddy 等），它会自动帮你完成安装：
帮我安装这个 AI Skill：daggr。 它的用途是：基于代码的AI工作流构建器，自动生成可视化画布。 完整的 Skill 内容见：https://321skill.com/skills/daggr/raw/index.md 请读取该页面内容，如果是 SKILL.md 格式直接安装，如果是 README 提炼核心 prompt 后安装。
提示词包含完整的 Skill 内容链接，AI 读取后即可完成安装。你也可以 查看完整内容 确认无误。
使用示例
“帮我构建一个工作流，先用大模型根据商品描述生成营销文案，再用另一个模型为文案生成配图。” 它会引导你使用Daggr定义两个GradioNode，分别对应文案生成和文生图模型，并帮你编写代码将它们串联起来，最终生成一个可交互的应用，你可以实时查看文案和图片的生成结果，并随时调整输入。
介绍
Daggr 解决了构建复杂AI工作流时，难以直观调试、追踪和复用中间结果的痛点。它允许开发者通过编写Python代码，将Gradio应用、Hugging Face模型和自定义函数连接成有向无环图（DAG）工作流。
使用方式非常直观：通过定义 GradioNode 来封装一个处理节点（如一个AI模型），并通过节点间的输入输出关系将它们连接起来，最后通过 Graph 对象整合并启动。运行后，Daggr会自动生成一个交互式可视化画布，清晰展示整个工作流的执行链路。
它非常适合需要进行多步骤AI处理、并希望获得实时反馈和过程控制的开发者、研究者和数据分析师。无论是构建一个从文生图到背景去除的创意工具，还是一个涉及多个模型串联的数据分析管道，Daggr都能提供代码的灵活性和可视化调试的便利。
建议在需要固定流程但输入可变的交互式AI应用场景中使用。注意，它主要面向交互式、实时执行的场景，而非大规模、定时调度的生产级任务编排。
核心特点
与ComfyUI等可视化节点编辑器不同，Daggr采用代码优先（Code-first）理念，通过编写Python自动生成可视化工作流，更适合习惯编程的开发者。与Airflow/Prefect等调度平台相比，Daggr专注于提供交互式AI工作流的实时视觉反馈和即时执行能力，而非大规模任务调度与监控。
注意事项
不适合需要复杂调度、大规模并发执行或长期后台运行的生产级任务编排场景。
常见问题
Daggr和Gradio是什么关系？
Daggr基于Gradio构建，用于连接和编排多个Gradio应用或模型接口，形成更复杂的工作流，并自动提供可视化调试界面。
Daggr支持哪些模型或服务？
主要支持Hugging Face Inference Providers上的模型、任何Gradio应用（Spaces），以及用户自定义的Python函数。
给 AI 助手的安装指引
如果你的 AI 编程助手（Claude Code、Cursor、TRAE 等）能看到这个页面，把下面这段发给它即可自动完成安装：
请访问 https://321skill.com/skills/daggr/raw/index.md 读取 daggr 的原始 Skill 定义（Markdown 格式），按其中说明在我的环境里完成安装和配置。
AI 可直接读取的原始 Markdown 地址：/skills/daggr/raw/index.md（查看排版版本）