跳到正文

技术与开放

一个前端,一个后端,一个账号

StudyFlow 只有两个服务:网页前端和 Python 后端。执行引擎、子智能体、模型路由和计费都在后端的同一个进程里,部署简单,调用也少绕路。

  1. 前端

    Next.js 16 · React 19 · React Flow 12

    画布编辑、执行面板、知识库和设置。这个介绍页也是它的一部分。

  2. 后端

    Python · FastAPI

    DAG 执行引擎、SSE 流式推送、子智能体运行时、模型路由和计费,全部在同一个服务里。

  3. 数据

    Supabase PostgreSQL

    工作流、执行记录和知识库。行级安全(RLS)保证每个人只能读写自己的数据。

  4. 账号

    1037Solo 统一账号

    生态内一个账号通用。登录、两步验证、会员和额度都在统一账号中心管理。

一次请求:前端 → 后端(执行引擎、子智能体、计费在同一进程)→ 数据库与账号,再把结果流式推回前端。

开放接入

接进你已经在用的工具

工作流和子智能体不只能在网页里用。用个人令牌,可以从脚本、命令行或支持 MCP 的 AI 工具里调用同一套能力。

个人 API Token

sk_studysolo_…

在「设置 → 开发者」创建令牌,用它从脚本或其他工具调用 StudyFlow;不用时随时撤销。

查看接入说明

MCP 服务器

studysolo-mcp

让 Claude Desktop、Cursor 等工具直接查询账户、触发和监控工作流、编辑画布。

配置 MCP

子智能体接口

POST /api/agents/v1/chat/completions

兼容 OpenAI 的对话接口,model 填智能体名称即可调用,和工作流里的子智能体是同一套。

开发者文档
from openai import OpenAI

client = OpenAI(
    base_url="https://studyflow.1037solo.com/api/agents/v1",
    api_key="sk_studysolo_…",  # 设置 → 开发者 → API Token(需要 agents:write)
)

reply = client.chat.completions.create(
    model="deep-research",  # 或 study-tutor / visual-site / code-review / news
    messages=[{"role": "user", "content": "对比 ReAct 和 Toolformer 的思路"}],
)
print(reply.choices[0].message.content)

任何兼容 OpenAI 的 SDK 都可以:把 base_url 指向子智能体接口,model 填智能体名称。

你的数据只属于你

工作流、执行记录和知识库文件存放在云端数据库,按账号做行级隔离。存储位置和出境说明见数据存储与出境和隐私政策。

每项功能现在能不能用

StudyFlow 仍在内测。哪些功能已上线、哪些还在开发,以文档站的功能状态总表为准,它会随每次发布更新。