PocketFlow：100行代码实现AI应用开发的极简框架-首席AI分享圈

🚀邀请体验：中国首家 AI IDE 智能编程软件 Trae 中文版下载，不限量使用 DeepSeek-R1 和 Doubao-pro!

综合介绍

PocketFlow 是一个只有100行代码的轻量级AI应用开发框架，由 The-Pocket 团队开发并在 GitHub 上开源。它追求极简设计，核心代码控制在100行，没有任何外部依赖，也没有厂商绑定。开发者可以用它快速搭建AI应用，支持多智能体、工作流、检索增强生成（RAG）等功能。它的亮点是“Agentic Coding”，也就是让AI智能体（比如 Cursor AI）自己写代码，极大提升开发效率。PocketFlow 从最基本的图（Graph）结构出发，用最少的代码实现强大功能，非常适合需要快速开发AI应用的个人或团队。

因为代码量相对较小，该项目还提供了 .cursorrules 配置文件，可以在 Cursor 中自动化编写智能体应用。

PocketFlow：100行代码打造轻量AI应用开发框架-1

功能列表

核心代码仅100行：精简到100行，易读易改。
基于图（Graph）结构：用节点和连接定义AI任务。
支持多智能体：多个AI智能体可以协同完成任务。
内置工作流：任务分解和执行顺序一目了然。
检索增强生成（RAG）：结合外部数据提升输出质量。
AI自编程（Agentic Coding）：AI能自己写代码，节省时间。
零依赖设计：无需额外库，直接运行。
兼容任意LLM：可以接入任何大型语言模型。

使用帮助

安装流程

PocketFlow 的安装非常简单，不需要复杂的环境配置。以下是两种安装方式：

方法1：通过pip安装

打开命令行工具（Windows 用 CMD，Mac 用 Terminal）。
输入命令：pip install pocketflow，然后按回车。
安装过程只需几秒，完成后即可使用。
验证安装：在命令行输入 python -c "import pocketflow; print(pocketflow.__version__)"，如果显示版本号，说明成功。

方法2：直接复制源码

打开浏览器，进入 https://github.com/The-Pocket/PocketFlow。
点击右上角“Code”按钮，选择“Download ZIP”下载源码。
解压文件，找到 pocketflow/__init__.py（这就是100行核心代码）。
把这个文件复制到你的项目文件夹。
在Python代码中导入：import pocketflow，即可开始使用。

如何使用主要功能

PocketFlow 的核心是一个基于图（Graph）的框架，通过节点（Node）和连接（Flow）来组织AI任务。以下是具体操作步骤：

1. 创建基本工作流

步骤：
1. 新建一个Python文件，比如 test_flow.py。
2. 输入以下代码：
```
import pocketflow
flow = pocketflow.Flow()
flow.add_node("hello", lambda x: print("你好，PocketFlow!"))
flow.run()
```
3. 在命令行运行：python test_flow.py。
4. 屏幕会显示“你好，PocketFlow!”。
说明：这是一个简单的工作流，包含一个打印消息的节点。

2. 使用多智能体功能

步骤：

修改代码，加入多个智能体：

import pocketflow
flow = pocketflow.Flow()
flow.add_node("agent1", lambda x: "智能体1说：你好")
flow.add_node("agent2", lambda x: f"智能体2回答：{x}，你也好")
flow.connect("agent1", "agent2")
result = flow.run()
print(result)

运行后，会输出智能体之间的对话。

说明：connect 方法连接两个节点，数据从“agent1”流到“agent2”。

3. 添加RAG功能

步骤：

创建一个文本文件 info.txt，写入内容，比如：“PocketFlow 是轻量AI框架。”

修改代码：

import pocketflow
flow = pocketflow.Flow()
def get_data(x):
with open("info.txt", "r", encoding="utf-8") as f:
return f.read()
flow.add_node("retrieve", get_data)
flow.add_node("generate", lambda x: f"生成结果：{x}")
flow.connect("retrieve", "generate")
result = flow.run()
print(result)

运行后，会输出文件内容和生成结果。

说明：RAG通过“retrieve”节点读取外部数据，再交给“generate”节点处理。

4. 使用Agentic Coding（AI自编程）

步骤：
1. 安装一个支持代码生成的工具，比如 Cursor AI。
2. 在 Cursor AI 中输入需求：“用PocketFlow写一个计算1到10总和的程序”。
3. AI可能会生成：
```
import pocketflow
flow = pocketflow.Flow()
flow.add_node("numbers", lambda x: list(range(1, 11)))
flow.add_node("sum", lambda x: sum(x))
flow.connect("numbers", "sum")
result = flow.run()
print(f"总和是：{result}")
```
4. 运行后，输出“总和是：55”。
说明：AI直接生成PocketFlow代码，开发者只需复制运行。

5. 接入外部LLM

步骤：

假设你有 OpenAI API key，修改代码：

import pocketflow
from openai import OpenAI
client = OpenAI(api_key="你的API密钥")
flow = pocketflow.Flow()
flow.add_node("ask", lambda x: client.chat.completions.create(
model="gpt-3.5-turbo",
messages=[{"role": "user", "content": "你好"}]
).choices[0].message.content)
result = flow.run()
print(result)