用 Sim Studio 十分钟搭一条 AI Agent 生产线：零代码、可自托管、还能跑本地大模型

核心问题：有没有一条“十分钟就能跑起来”的 AI Agent 流水线，既能拖拖拽拽画流程，又能把 PDF 直接变成知识库，还能在本地 GPU 上跑完全离线？
答案是：Sim Studio 把这三件事做成了同一套代码仓库，随你云托管或自托管，甚至 npm 一句就启动。

一张图看懂 Sim Studio 能做什么

上图不是 PPT 概念，而是仓库里自带的 GIF：把“读取用户输入→LLM 生成→写回数据库”三个节点拖上线，点 Run，即刻执行。
反思：我原以为“画流程图就能跑”只是低代码噱头，直到看见它把 ReactFlow 节点直接序列化成 Trigger.dev 后台任务——图即代码，代码即图，才算服了。

核心问题速答

疑问	一句话结论
必须联网吗？	不。支持 Ollama/vLLM，完全离线。
要装数据库吗？	要。PostgreSQL + pgvector 做嵌入。
不会 Docker 能玩吗？	能。`npx simstudio` 自动给你拉容器。
和 LangChain 区别？	LangChain 是 SDK，Sim Studio 是“带 UI 的 LangChain + 任务队列 + 知识库 + 多人协作”。

云托管：点点鼠标就能跑
自托管四条路线：npm / Docker / Dev Container / 纯手动
把 PDF 拖进知识库：向量检索实战
跑本地大模型：Ollama 与 vLLM 对决
踩坑与排查：端口、OLLAMA_URL、数据库迁移
作者手记：我为什么最后把开发环境迁回 Dev Container
一页速览 & 实操清单
FAQ：八问八答

1. 云托管：点点鼠标就能跑

核心问题：最快多久能把第一条 Agent 流程跑通？
答案：3 分钟，只要你能打开浏览器。

打开 https://sim.ai → Sign in with GitHub。
首页点“New Workflow”→ 选模板“Q&A Bot with Knowledge”。
上传一份 PDF（官方示例用 2025 年某产品白皮书）。
右上角“Run”→ 弹出 Chat UI→ 问“白皮书里定价多少？”→ 秒回引用页码。

小结：云托管已经把数据库、向量扩展、文件存储、队列全备好。你唯一要做的是“上传 + 拖拽 + 点 Run”。

2. 自托管四条路线

核心问题：我想把数据留在本地，有哪几种姿势？
答案：四条官方路线，按“动手指数”从低到高排。

路线	动手指数	适用场景
npx 一键	⭐	笔记本快速体验
Docker Compose	⭐⭐	生产服务器
Dev Container	⭐⭐⭐	团队开发统一环境
纯手动	⭐⭐⭐⭐⭐	想抠每一行配置

下文逐条给出“能复制就复制”的指令，并配一段场景故事，让你知道“什么时候选哪条”。

2.1 npx 一键：咖啡还没冲好就跑起来

# 前提：已装 Docker Desktop
npx simstudio
# 终端出现
# 🚀 Sim Studio ready → http://localhost:3000

场景故事：周三下午，产品经理临时说“给客户 demo 一个 AI 工单总结”。你电脑没 node 环境？没关系，npx 会自动拉镜像，端口 3000 打开就是画布，拖一个“HTTP 输入”节点、一个“LLM”节点、一个“Slack 输出”节点，十分钟 demo 完成。

反思：npx 方案把“latest 镜像”默认拉到本地，版本不可锁定。如果下周要上生产，还是走 Docker Compose 文件锁版本更安心。

2.2 Docker Compose：生产环境最稳

git clone https://github.com/simstudioai/sim.git
cd sim
docker compose -f docker-compose.prod.yml up -d

默认端口 3000、数据库 5432。第一次会拉 postgres:17-pgvector 镜像，慢点正常。

场景故事：公司安全组要求“容器镜像必须走内网 Harbor”。你把 compose 文件里 image: simstudio/sim:latest 改成 harbor.local/sim:v1.2.3，CI 自动跑 docker compose --profile ci up --build，一条命令完成灰度。

2.3 Dev Container：团队不再说“我这边明明可以”

VS Code 装 Remote-Containers 插件。
打开仓库根目录 → 右下角弹出“Reopen in Container”→ 选“Sim Studio (full)”。
容器里跑 bun run dev:full，宿主机零依赖。

场景故事：新人入职第一天，只装 VS Code，其余全在容器。下班前他 push 了第一个“爬官网 FAQ → 向量化 → 问答”工作流，你 review 时本地无需再配，因为大家跑的是同一容器镜像。

2.4 纯手动：把黑盒拆成白盒

依赖列表

Bun ≥ 1.1
Node.js ≥ 20（沙箱执行 JS 代码用）
PostgreSQL ≥ 12 + pgvector 扩展

步骤速览
a) 建库

docker run --name simstudio-db \
  -e POSTGRES_PASSWORD=your_password \
  -e POSTGRES_DB=simstudio \
  -p 5432:5432 -d \
  pgvector/pgvector:pg17

b) 装依赖

git clone https://github.com/simstudioai/sim.git
cd sim
bun install

c) 写环境

cd apps/sim
cp .env.example .env
# 必填四项
DATABASE_URL="postgresql://postgres:your_password@localhost:5432/simstudio"
BETTER_AUTH_SECRET=$(openssl rand -hex 32)
BETTER_AUTH_URL="http://localhost:3000"
NEXT_PUBLIC_APP_URL="http://localhost:3000"

d) 迁移

bunx drizzle-kit migrate --config=./drizzle.config.ts

e) 起服务

# 终端 1
bun run dev
# 终端 2
cd apps/sim && bun run dev:sockets

场景故事：你想把“沙箱执行用户代码”那一步换成自建 Firecracker 微虚拟机。读源码后发现 packages/sandbox/src/driver.ts 默认调 E2B，于是 fork 后改 driver 接口，纯手动环境让你每一行都能单步。

3. 把 PDF 拖进知识库：向量检索实战

核心问题：如何让 Agent 回答“只基于我上传的文档”？
答案：Knowledge 节点自动分块 → pgvector 存嵌入 → 检索 top-k → 把引用页码塞进提示词。

3.1 操作步骤（基于云托管界面，自托管同理）

左侧栏点“Knowledge”→“New Collection”→ 起名“内部规章”。
上传 公司规章.pdf（测试文件 82 页）。
回到 Workflow，拖“Knowledge Retrieval”节点，选集合“内部规章”，top-k 填 4。

拖“LLM”节点，提示词里写：

上下文：
{{knowledge}}
问题：{{userQuestion}}
请用中文回答，并给出页码。

连线：HTTP Input → Knowledge Retrieval → LLM → HTTP Output。
点 Run，右侧 Chat 问“报销限额多少？”→ 返回“市内交通每日 80 元（见第 17 页）”。

3.2 背后发生了什么

上传时，后端用 pdf-parse 抽文本 → tiktoken 算分块 → text-embedding-ada-002 生成 1536 维向量。
检索时，Cosine similarity 取 top 4，再把原始文本按 pageNumber 字段塞回。
最终提示词 token 数＜模型上限，所以 8k 上下文模型也能跑。

反思：我一开始把 top-k 设 10，结果提示词过长，LLM 反而“走神”。后来改 4，答案更准，速度也快 30%。

4. 跑本地大模型：Ollama 与 vLLM 对决

核心问题：没买 OpenAI 额度，能否完全离线？
答案：可以，两条官方路线：Ollama（轻量）与 vLLM（高并发）。

4.1 Ollama：笔记本 GPU 也能玩

# 一行把 Sim + Ollama 一起拉起来
docker compose -f docker-compose.ollama.yml --profile setup up -d

默认会帮你拉 gemma3:4b，大约 3 GB。打开 http://localhost:3000 → 新建 LLM 节点 → 模型下拉框出现 gemma3:4b → 选它 → Run。

场景故事：给客户做私有化 POC，现场不能出公网。你把笔记本带去，插上 RTX 4060，Ollama 自动走 GPU，问答延迟 600 ms，客户 IT 部当场点头。

4.2 vLLM：生产级吞吐

如果你已有 vLLM 集群，只需在 .env 加两行：

VLLM_BASE_URL=http://vllm-lb:8000
VLLM_API_KEY=optional

Sim 会把 /v1/chat/completions 当 OpenAI 兼容端点用，零改代码。

场景故事：双十一高峰，客服机器人 QPS 从 200 飙到 2000。你把 backend 从 Ollama 切到 4×A100 vLLM 集群，单卡吞吐 1200 req/s，Sim 端只改环境变量，一分钟搞定扩容。

5. 踩坑与排查

症状	根因	一行修复
模型下拉框空白	Docker 内 localhost 指自身	`OLLAMA_URL=http://host.docker.internal:11434`
端口 3000 被占	冲突	`npx simstudio -p 3100`
迁移失败	没等 DB healthy	`docker compose up -d` 后睡 10 秒再 migrate
Chat 没反应	Socket 没连上	检查 3002 端口是否放行

反思：我最惨一次是 Linux 宿主机忘了开 extra_hosts，Sim 容器死活连不上宿机 Ollama。翻文档才想起 Docker Desktop 自动配 host.docker.internal，裸 Linux 得自己加，这坑踩了俩小时。

6. 作者手记：为什么又把开发环境迁回 Dev Container

npx 很快，但上周遇到“本地依赖版本漂移”：

我机子 Bun 1.1.12，同事 1.1.10，Drizzle 生成 SQL 字段顺序不同，CI 校验失败。
解决：全团队切 Dev Container，镜像锁死 Bun 1.1.13，问题消失。

结论：

一人尝鲜 → npx
多人协作 → Dev Container
上线生产 → Docker Compose + 私有镜像仓库

7. 一页速览（One-page Summary）

最快体验：npx simstudio → localhost:3000
生产部署：docker compose -f docker-compose.prod.yml up -d
知识库三步：上传 → 选集合 → 拖 Knowledge Retrieval 节点
本地模型：Ollama 轻量、vLLM 高并发，只改环境变量
必开端口：3000（Web）、3002（Socket）、5432（PG）
必设变量：DATABASE_URL、BETTER_AUTH_SECRET、BETTER_AUTH_URL、ENCRYPTION_KEY
排查口诀：模型空白先看 OLLAMA_URL，Chat 不动看 3002，迁移失败等 DB

8. FAQ：八问八答

Q1：Sim Studio 与 LangChain 有什么区别？
A：LangChain 是 Python/JS SDK，Sim Studio 是“UI + 运行时 + 任务队列 + 知识库”全家桶，不用写代码也能拼工作流。

Q2：可以商用吗？
A：Apache 2.0 协议，可商用，但 Copilot 服务要走 sim.ai 官方 API，需自行申请 key。

Q3：支持哪些模型？
A：云托管默认 OpenAI；自托管支持任何 OpenAI-compatible 端点，包括 Ollama、vLLM、Groq 等。

Q4：数据库必须用 PostgreSQL 吗？
A：是，因为向量检索依赖 pgvector 扩展，MySQL、SQLite 暂不支持。

Q5：上传文件大小上限？
A：云托管单文件 50 MB；自托管可在环境变量调 MAX_FILE_SIZE。

Q6：流程可以导出吗？
A：可以，JSON 格式，包含节点坐标与配置，方便 Git 版本管理。

Q7：是否支持定时任务？
A：内置 Trigger.dev，可设 Cron 节点，例如“每天 9 点拉取日报并生成摘要”。

Q8：多人协作会冲突吗？
A：画布目前乐观锁，最后保存覆盖前者；官方 Roadmap 已列“实时协同”，预计下季度发布。

零代码AI Agent流水线Sim Studio：十分钟本地部署，用PDF搭建私有知识库