Gradio 推出 gr.Workflow：把 AI 流水线变成可拖拽的画布

Hugging Face 官方博客于 2026 年 8 月 25 日介绍 Gradio 内置的 gr.Workflow：它把 AI 流水线本身作为界面。开发者用带类型的节点组成图来描述步骤，Gradio 提供一张可拖拽的画布，每个节点都可单独运行，每一步中间结果也能直接看到。同一张图同时对外暴露为 REST API，并可通过一条命令部署到 Hugging Face Spaces。

节点与连接

• 工作流图包含三类节点：references（输入）、operators（执行具体工作的步骤）、subjects（输出）。
• operator 可以是自己的 Python 函数、Hugging Face Inference Providers 上的模型、另一个 Gradio Space，或 Hub 数据集中的一行。
• 节点之间以带类型的端口拖拽连线，运行后逐节点显示结果。

文中展示的示例

• 图像编辑：整张图只有单个节点，调用 Qwen-Image-Edit。
• 媒体工作室：FLUX 生成图像后交给背景移除 Space 生成贴纸；同一主题经文本转语音 Space 生成配音，并经 LLM 生成单集标题；每个输出各有独立端点（/sticker、/voiceover、/episode_title）。
• 并发生图：一个提示同时生成基础图、水彩版与赛博朋克版，以及 LLM 写的画廊标题，展示 fan-out 模式。
• 数据集分析：输入数据集 ID 后，四个 operator 节点通过 Datasets Server API 并行计算概览、前几行预览、列统计和分布图。
• GPU 模型：fn 节点就是 Python，可绑定带 @spaces.GPU 的函数，由 ZeroGPU 在调用时分配并释放 GPU，文中示例用 Diffusers 加载 LTX-Video。

调用与上手

每个输出都会按标签成为 REST 端点，可用 gradio_client 或 curl 调用；调用模型或 Space 的端点需要 Hugging Face token。最简单的起步是复制文中任一 Demo 后重新连线，或在 Python 中写 gr.Workflow(bind=[your_function]).launch()。更完整的 operator 类型、JSON schema 和可复用模式见 Gradio 官方指南。文章预告后续将逐步演示用 gr.Workflow 搭建 AUTOMATIC1111 规模的工具。