Oomol

安装、使用体验

安装

以 windows 版本为例，安装 windows 版本后，他会先让你安装并更新到最新的wsl2。这是为了跨平台统一

使用下来比较流程，没出什么幺蛾子

项目

他每个工作流都是一个项目 (以项目为单位进行分享)

缺点
- 其易用性和大小没有 comfyui 工作流那种单文件强。
  不过 ts 项目也不算很大
优点
- 项目为单位，提供了额外的灵活性：工作流可以有独立依赖、独立的配置
- 独立依赖这点还是比较好的，包括 js 的 npm依赖 (package.json)，包括 python 的 requirements.txt (不过python项目分享时，经常伴随一些AI库，依赖的安装还挺慢的)

自定义程度

数据类别

(相当于nodeflow中项的valueType)

注意：如果选择了 Variable/Array/Object 这种容器类型，那么后面可以再进行 type-value 的选择

容器类
- Variable | (不一定可选) df属于这个
String
Number
FilePath, SavePath, DirPath
Secret
Boolean
Integer
Color
Text
Object
Array
Select | (不一定可选)
MultiSelect | (不一定可选)
Date
Any
AnyOf | (不一定可选)
Binary | (不一定可选)
Null

节点类别

Script
Python, TypeScript, JavaScript, Value
Preview
Audio、Video
Binary Image、Image、Images
HTML、Markdown (with file)、Markdown
Data Lab
Bar Chart, Column date filter
Column Number Filter	柱状图
Column Number sort	柱状图 (带排序)
Csv To Df, Delete Column By Name
DF to excel
DF Preview
DF To Csv
Excel to df
Line Chart
Pie Chart
Stacked Area Chart
File
Binary save as file
Binary to file
Copy dir, Copy file, Copy file list
Read folder
Empty dir
File to binary
File to path
Read URL
URL to path
Read File
Copy Dir, Copy File, Copy File LIst
Dir To Path
Dir To Path List
Empty Dir
File To Path
Url Download To Path
Transform
Decode string
Encode string
Parse JSON
Stringify JSON

分析 - repo

群组项目集

这个群组有很多子项目 (2025-02-22 分了23个子项目)

https://github.com/oomol-lab
- ovm-core | 运行podman所需的最小虚拟机
- ovm | 在Apple虚拟化框架上运行ovm-core虚拟机
- mac-power-monitor

解决方案

VSCode框架 (像cursor、oomal都用这个，还挺方便) + OVM (Oracle VirtualBox) 虚拟机

然后这两者都是跨平台的，VSCode框架甚至有 github.dev + codespace 的成熟方案可以参考

这是一个很不错的设计思路

分析 - 工作流项目

项目结构

项目结构比较简单

flows/	核心，里面可以包含多个工作流
`<工作流名>`
scriptlets/	里面可能有 `.py` 脚本
`<fileName>.oo.yaml`	工作流文件
`.<fileName>.ui.oo.json`	工作流文件的可选补充 (位置和尺寸)
(依赖, 文档类)
README.md	自述文件
.gitignore	git忽略文件
package.json	pnpm的依赖
package.oo.yaml	版本和信息说明，依赖说明
pnpm-lock.yaml	pnpm的依赖 (锁)
requirements.txt	python的依赖

主要是 flows 文件夹那里，推荐结合后面的demo来看

demo - HelloWorld 的 quick-start

该工作流的流程：

(1) URL to path #1: 从url中下载到一个 .csv 文件
(2) Csv To Df #1: 转换为df数据 (这是python Pandas库中的表格型数据结构 DateFrame)
(3) DF Preview #1: 表格方式查看DF数据
(3) Column Number Filter #1: 筛选过滤掉一部分
(4) Bar Chart #1: 画柱形图

# hello-world/flows/1-quick-start/flow.oo.yaml
nodes:
  - task: data-lab::csv_to_df
    title: "Csv To Df #1"
    node_id: csv_to_df#1
    inputs_from:
      - handle: csv
        from_node:
          - node_id: url_to_path#1
            output_handle: address
    description: Read the CSV as the DataFrame object of pandas
  - task: data-lab::df_preview
    title: "DF Preview #1"
    node_id: df_preview#1
    inputs_from:
      - handle: df
        from_node:
          - node_id: csv_to_df#1
            output_handle: df
  - task: data-lab::bar_chart
    title: "Bar Chart #1"
    node_id: bar_chart#1
    inputs_from:
      - handle: df
        from_node:
          - node_id: column_number_filter#1
            output_handle: df
      - handle: chart_title
        value:
      - handle: y_column
        value:
      - handle: x_column
        value: country
  - task: data-lab::column_number_filter
    title: "Column Number Filter #1"
    node_id: column_number_filter#1
    inputs_from:
      - handle: df
        from_node:
          - node_id: csv_to_df#1
            output_handle: df
      - handle: column_name
        value: income
      - handle: min_threshold
        value: 15000
      - handle: max_threshold
        value: 20000
      - handle: preview
        value: true
  - task: oomol-file::url_to_path
    title: "URL to path  #1"
    node_id: url_to_path#1
    inputs_from:
      - handle: url
        value: https://oomol-flows.oss-cn-hangzhou.aliyuncs.com/data_test_oomols.csv
    description: '"URL To Path" is a package downloaded from the store, which can be
      used without writing code yourself. You can install it through the toolbar
      on the right.'

.flow.ui.oo.json

这是文件是用来存尺寸和位置信息的，允许丢失

(有自动布局，丢失问题不大。只所以只存宽度不存高度，是因为他允许你拖拽修改宽度 (方便查看表格)，但不允许修改高度)

{
  "nodes": {
    "csv_to_df#1": {
      "contentWidth": 350,
      "rfNode": {
        "position": {
          "x": 1140.987538458461,
          "y": 457.87493063295346
        }
      }
    },
    "df_preview#1": {
      "contentWidth": 350,
      "rfNode": {
        "position": {
          "x": 496.9460673098081,
          "y": 807
        }
      }
    },
    "bar_chart#1": {
      "contentWidth": 350,
      "rfNode": {
        "position": {
          "x": 1342,
          "y": 807
        }
      }
    },
    "column_number_filter#1": {
      "contentWidth": 350,
      "rfNode": {
        "position": {
          "x": 928,
          "y": 807
        }
      }
    },
    "url_to_path#1": {
      "contentWidth": 450,
      "rfNode": {
        "position": {
          "x": 626.9875384584609,
          "y": 457.87493063295346
        }
      }
    }
  }
}

demo - v2ex

nodes:
  - task: self::v2ex_lottery
    title: "V2EX Lottery #1"
    node_id: v2ex_lottery#1
    inputs_from:
      - handle: topicID
        value: 0
        from_node:
          - node_id: +value#1
            output_handle: id
      - handle: excludes
        value:
          - ""
        from_node:
          - node_id: +value#1
            output_handle: excludes
      - handle: count
        value: 30
        from_node:
          - node_id: +value#1
            output_handle: count
      - handle: token
        value: ${{OO_SECRET:Custom,V2EX,token}}
  - values:
      - handle: id
        json_schema:
          type: integer
          minimum: 1
        value: 1
      - handle: excludes
        json_schema:
          type: array
          items:
            type: string
        value:
          - Livid
      - handle: count
        json_schema:
          type: integer
          minimum: 1
          ui:options:
            step: 1
        value: 3
    title: "Value #1"
    node_id: +value#1

链接到当前文件 1

README.Redirect