Rivet 评测：把 AI 提示链画成图的桌面 IDE，以及它的 TypeScript 运行时
The open-source visual AI programming environment and TypeScript library
秒懂
- 它是什么？
- Rivet 是 Ironclad 开源的视觉 AI 编程环境，包含桌面应用和 TypeScript 库。本文基于仓库文档分析它的定位、工作方式、接入路径与适用边界。
- 适合谁用？
- Rivet 适合需要把复杂提示链可视化的团队，尤其是那些已经依赖 OpenAI 或 Anthropic 模型，并且愿意把图定义作为项目资产来维护的开发者。它不适合追求极致轻量或需要深度定制底层执行逻辑的场景。
- 能商用吗？
- 可以。MIT 是宽松许可证：你可以使用、修改并销售基于它的软件，只需保留版权和许可证声明。
- 还在维护吗？
- 在维护。仓库最近一次提交在 20 天前。
- 用什么语言写的？
- 主要是 TypeScript（依据 GitHub 的语言统计）。
以上回答依据项目的 GitHub 数据（最近同步于 2026年9月15日）和我们的分析，不构成法律意见。
开源项目深度解析
它解决什么问题，给谁用
Rivet 定位是「创建复杂 AI agent 和提示链的 IDE」。它把提示词、模型调用、条件分支、数据转换等步骤画成节点图，而不是写成一大段难以追踪的代码。目标用户是那些需要把多个 LLM 调用串起来、并且希望调试时能看到中间状态的工程师。Ironclad 自己用它来支撑内部产品，这一点从仓库的组织方式能看出来。它不是一个通用框架，而是一个带界面的图编辑器加一个可嵌入的运行时。
图形界面与核心库的分工
Rivet 拆成两部分。桌面应用负责编辑和调试图，它支持 OpenAI GPT-3.5/GPT-4、Anthropic Claude 系列、AssemblyAI LeMUR 等模型。另一部分是 TypeScript 库，发布为 @ironclad/rivet-core 和 @ironclad/rivet-node。应用本身也使用 core 来运行图，但你可以把 core 装进自己的 Node 程序，这样你的代码能调用图，图也能回调你的代码。这种双向调用是它区别于纯低代码工具的关键。文档里明确说 core 可以独立使用，但没给出具体 API 示例，实际接入时你需要去官网查集成指南。
从下载到运行：三种启动路径
README 提供了三种启动方式。最省事的是下载预编译安装包：macOS 有 .dmg，Windows 有 Rivet-Setup.exe，Linux 有 AppImage，另外还有一个 Linux 用的 .dmg 文件，这有点反常，实际是否可用需要自己验证。第二种是从源码构建，官方要求看 CONTRIBUTING.md，但该文件内容不在本次材料内，所以具体依赖和命令无法确认。第三种是作为库集成到现有项目，通过 npm 安装 @ironclad/rivet-core。注意没有提供 Docker 镜像或云端托管版，它本质是个本地优先的工具。
支持范围：模型与向量库的边界
Rivet 的集成列表是明确的。LLM 方面支持 OpenAI、Anthropic Claude 2 和 Claude 3 系列、AssemblyAI LeMUR。嵌入和向量数据库只列了 OpenAI Embeddings 和 Pinecone。语音转文字额外支持 AssemblyAI。这个列表意味着如果你用的是 Google Gemini、Mistral 或本地模型，Rivet 帮不上忙。它的设计围绕商业 API 展开，没有提到任何自托管模型或代理层。对于想统一管理多家供应商的团队，这个封闭列表可能成为障碍。
真正的限制：不是所有 AI 工作流都适合画图
Rivet 的图模型适合线性或树状的提示链，但遇到需要复杂循环、动态递归或高度依赖运行时状态的工作流，图形节点会变得笨重。文档没有提供循环节点或条件循环的细节，只提到「复杂 agent」，但 agent 常见的工具调用循环在图上表达并不直观。另外，调试时你依赖 IDE 的视觉反馈，一旦图规模超过几十个节点，维护成本会上升。还有一个实际问题是版本节奏：app 和 core 的版本号不同步，app 最新是 v1.11.3，core 是 v1.25.0，集成时你需要注意两者兼容性，否则可能出现 IDE 能跑但库报错的情况。
与纯代码方案的取舍
最直接的替代是 LangChain 或纯手写 TypeScript 调用 OpenAI SDK。LangChain 用链式对象或可组合的 runnable 来表达流程，调试靠日志和断点。Rivet 的差异在于可视化：你能在图上看到每个节点的输入输出，这对排查提示词问题有帮助，但代价是你必须接受它的图格式作为项目的一部分。图文件是 JSON 或类似结构，代码评审时很难 diff。而 LangChain 的代码走常规 review 流程，更符合工程习惯。如果你的团队全是后端工程师，代码方案可能更顺畅；如果产品经理或非工程师也需要参与设计提示流程，Rivet 的图形界面才有明显优势。
维护与许可的现实考量
项目采用 MIT 许可，这对商业使用友好，没有 copyleft 义务。仓库最近一次推送是 2026 年 8 月，说明仍在活跃维护，但核心库的版本号停留在 v1.25.0，应用停在 v1.11.3，版本差距可能反映两者发布节奏不同。升级成本取决于你如何集成：如果只用桌面应用，升级就是下载新安装包；如果嵌入 core，你需要跟踪 core 的 changelog，并且注意图文件格式是否向后兼容。文档没有承诺图格式的稳定性，所以升级前最好在测试分支上跑一遍旧图。
编辑结论
Rivet 适合需要把复杂提示链可视化的团队，尤其是那些已经依赖 OpenAI 或 Anthropic 模型，并且愿意把图定义作为项目资产来维护的开发者。它不适合追求极致轻量或需要深度定制底层执行逻辑的场景。若你考虑采用，先验证两点：一是你的模型供应商是否在支持列表内，二是 @ironclad/rivet-core 的运行时行为是否与桌面 IDE 一致。对于纯代码派，LangChain 或直接手写 TypeScript 更直接；对于需要跨模型抽象且不介意锁定在特定图格式的团队，Rivet 提供了少见的可视化调试体验。
社区笔记