Rivet 是什么？4,716 星的 Agent IDE，图在桌面画、运行时在你自己的服务里
大部分可视化 Agent 平台，把你的图当成它的资产：图存在它的服务器上，API 端点它发给你，调用次数它按月记账。Rivet 走了反方向——桌面 IDE 只负责画，画完给你一个 YAML 文件；要不要跑、跑在哪个进程，全是你自己的事。4,716 星，MIT 协议，Ironclad 开源。
这个选择让它注定当不了网红：没有云端 playground，没有「一键发布」按钮，想跑起来得先 npm install。但也正因为这样，它是少数几个能直接塞进生产代码、还能被 code review 的图编辑器。
一、它的出身：一家合同公司自己用的工具
Ironclad 是做合同全生命周期管理的，不是 AI 工具公司。Rivet 2023 年 4 月 22 日建仓、同一年开源，最初就是他们内部解决「按代码写 Agent 太难受」这件事的工具。
官网首页挂的用户评价来自 Attentive 的 CTO、Willow Servicing（拿它上线了按揭服务 Agent）、Bento 和 Sourcegraph；AssemblyAI 还专门给它写了音频转录插件。Ironclad 自己的合同助手 CAI 也是用它搭的。
这个出身解释了它的取舍：它是给要在生产里跑、要有人 review、要能回滚的团队做的，不是给做 demo 的人做的。
二、它其实是两个半身
理解 Rivet 只需要记住它有两半，中间用文件连着。
一半是 Rivet App，一个 Tauri 写的桌面 IDE。macOS 的 dmg、Windows 的 exe/msi、Linux 的 deb/rpm/AppImage 都有，arm64 Linux 的构建是 2025 年 8 月才补上的。节点库有 80 多个：Chat、Code、HttpCall、Loop、Subgraph、各种 Extract，还有 MCP 三件套（Discovery / GetPrompt / ToolCall）——MCP 这条线在十个 Agent 平台的实测里，Rivet 是少数把三个节点都做齐的。
另一半是 @ironclad/rivet-node，一个 TypeScript 库。图的执行就是一次函数调用：
import { runGraphInFile } from '@ironclad/rivet-node';
await runGraphInFile('./support.rivet-project', {
graph: 'Support Triage',
inputs: { question: '发票开错了怎么改？' },
context: { tenant: 'acme' },
externalFunctions: {
lookupOrder: async (id) => ({ type: 'string', value: await db.find(id) }),
},
});
中间那根线就是 .rivet-project 文件本身：YAML，version: 4，所有图平铺在 graphs 下面。有意思的是 Trivet 的测试用例也存在同一个文件里（attachedData.trivet.testSuites）——图和它的回归用例一起进 Git，改一个节点，diff 和测试都在同一个提交里。
三、跟 Langflow、Flowise 到底差在哪
同样是拖节点，两边的重心完全不同。
Langflow、Flowise 是「平台」：图跑在平台里，平台给你 API 端点、给你 MCP 服务，你要做的是部署一个服务。Rivet 是「工具」：图跑在你已经有的那个 Node 服务里，你要做的是加一个依赖。这跟十家平台的三种路线里说的「卖画布」那一派，其实是同一张画布、两种卖法。
好处很实在：鉴权、数据库、日志、限流全用你自己那套，业务数据不用流到第三方；执行在你进程内，超时、并发、重试都归你控；图是文件，回滚就是 git revert。
代价同样实在：没有多租户、没有可视化发布、没有托管执行器。那二十行调用代码得自己写，部署也得自己来。
四、上手：两个动作，一个坑
第一步，下载 App，新建图，拖一个 Chat 节点。要接国产模型，改 Chat 节点的 Endpoint 和 Custom Model 就行——它从一开始就是按「任何 OpenAI 兼容接口」设计的，DeepSeek、Qwen、本地 LM Studio 都在这条线上，这也印证了十个平台接国产模型那份横评里的结论：能改 Base URL 的，生态就活得久一点。
第二步，装库、调用。远程调试才是它真正的杀手锏：起一个 RivetDebuggerServer，把地址传进 runGraphInFile，IDE 就能挂到线上进程上，一条请求流过哪些节点、每个节点进出什么，实时回放。这个体验在开源可视化工具里不多见。
坑也有：inputs 的 key 是图里输入节点的 ID，不是节点上显示的那个名字。对不上不会报错，只会静默拿到空值——第一次接的时候多半要在这里耗半小时。
五、实话：它一年多没发功能版本了
最后一个功能版本是 app-v1.11.3，2025 年 8 月 8 日，内容是加 GPT-5、让 Delegate Function Call 支持回退到外部函数、修 MCPGetPrompt 返回值总是 undefined。那之后，仓库里最后一次人写的提交是 2025 年 8 月 20 日给 Linux 加 aarch64 支持，再往后的提交全是 dependabot 升依赖。
npm 上 rivet-node 停在 1.25.0（2025 年 6 月 30 日），109 个 open issue 挂着没人关。它就是那种「够用、稳定、没人推」的状态。
所以别指望它跟进新模型和新特性。它现在真正的价值是两个东西：一个想得清楚的图格式，和一个能读这个格式的库。图的执行本质是几次 HTTP 调用加代码节点，模型接口换了，改个 Endpoint 就补上——这也是它虽然停更、却没死透的原因。
谁该用：已经有 Node/TS 后端、想要可视化调试、又不想把图交给别人托管的团队；以及想给非工程同事一个「能看懂的执行图」的人。
谁别用：想点两下就上线一个 Agent 的，需要多租户和计费后台的，以及指望社区每天更新的人。
它不是一个平台，是一把工具。工具不追新，够锋利就行。
