Gradio представил gr.Workflow: инструмент для визуальной сборки AI-пайплайнов с одним развёртыванием
Hugging Face выпустил gr.Workflow — новый компонент библиотеки Gradio, который позволяет собирать многошаговые AI-сценарии в визуальном редакторе, развёртывать их как REST API и запускать на Hugging Face Spaces одной командой.
Hugging Face анонсировал новый компонент библиотеки Gradio — gr.Workflow. Это инструмент, который превращает многошаговый AI-сценарий в визуальный граф с возможностью запуска каждого узла по отдельности, просмотра промежуточных результатов и развёртывания всего пайплайна как REST API одной командой.
Что такое gr.Workflow и как он устроен
Большинство практических AI-приложений — это не одиночные вызовы модели, а цепочки шагов: сгенерировать изображение, удалить фон, наложить текст, добавить голосовое сопровождение. Раньше такие сценарии собирали в Python-скриптах, а отладка означала print-логирование каждого шага. gr.Workflow переносит логику пайплайна в интерфейс: разработчик описывает шаги как граф типизированных узлов, а Gradio автоматически строит drag-and-drop канву, где каждый узел выполняется независимо и показывает свой результат.
Граф состоит из трёх типов узлов: references (входные данные пользователя), operators (шаги обработки) и subjects (выходные данные). В качестве оператора может выступать Python-функция, модель через Hugging Face Inference Providers, другой Gradio Space или строка из датасета Hub. Узлы соединяются перетаскиванием между типизированными портами.
Пять живых демонстраций
Разработчики опубликовали несколько рабочих Space, которые можно открыть, запустить и дублировать:
Image Editor Pipeline — загрузите изображение, введите текстовую команду («преврати в зимний пейзаж», «добавь солнцезащитные очки») — и модель Qwen-Image-Edit через Inference Providers возвращает отредактированное фото.
AI Media Studio — один запрос порождает сразу несколько результатов: базовое изображение от FLUX, две его стилизации (акварель и киберпанк) и заголовок галереи от LLM. Это пример параллельного выполнения (fan-out) — один вход питает несколько операторов одновременно.
Generative Art Lab — по идентификатору датасета (например, stanfordnlp/imdb) инструмент параллельно строит карточку датасета, предпросмотр первых строк, статистику по колонкам и диаграмму распределения — все вычисления идут через Datasets Server API.
Data Detective — четыре независимых анализатора данных, работающих по одному входу.
ZeroGPU Animator — пример запуска модели прямо внутри Space на GPU. Функция декорируется как @spaces.GPU, и при выполнении узла ZeroGPU выделяет графический ускоритель, запускает модель (Lightricks/LTX-Video через Diffusers) и освобождает ресурс.
Каждый workflow автоматически становится API. Для каждого выходного узла создаётся REST-эндпоинт с именем узла. Его можно вызывать из Python через gradio_client или через curl:
python
from gradio_client import Client
client = Client(«ysharma/gr-workflow-multi-endpoint-API»)
print(client.predict(«hello there friend», api_name=»/word_count»))
# -> 3
Для эндпоинтов, обращающихся к моделям или Space, требуется Hugging Face токен.
Ключевые факты
| Параметр | Значение |
|---|---|
| Разработчик | Hugging Face (команда Gradio) |
| Дата анонса | 25 августа 2026 года |
| Тип | gr.Workflow — новый компонент библиотеки Gradio |
| Основная функция | Визуальная сборка и развёртывание AI-пайплайнов |
| Формат развёртывания | REST API + Hugging Face Spaces одной командой |
| Типы операторов | Python-функция, Inference Providers, Gradio Space, датасет Hub |
Как начать использовать
Самый быстрый способ — открыть любую из демонстраций, нажать Duplicate и начать перекоммутировать узлы. Минимальный код на Python выглядит так:
python
import gradio as gr
def your_function(text: str) -> str:
pass
gr.Workflow(bind=[your_function]).launch()
Полное руководство по типам операторов, JSON-схеме графа и типовым паттернам опубликовано в официальной документации Gradio. Разработчики также анонсировали следующий пост, где покажут сборку AUTOMATIC1111 на gr.Workflow.
Почему это важно для читателей сайта
Для студентов, исследователей и разработчиков, работающих с AI-инструментами, gr.Workflow означает сокращение времени от идеи до работающего прототипа. Вместо написания связующего кода и настройки инфраструктуры можно собрать пайплайн визуально, сразу увидеть результат каждого шага и развернуть его как API. Это особенно полезно в учебных проектах, хакатонах и при создании демо-версий моделей — все операции выполняются в браузере, без необходимости арендовать GPU-сервер.
Источник: Hugging Face Blog — «Wire It, Run It, Deploy It: AI Workflows in Gradio» (https://huggingface.co/blog/gradio-workflow-guide)
Связанные рубрики и темы
Если тема нужна для работы или подготовки, начните с ближайших разделов и инструментов.
