RocketRide Server 快速上手指南

RocketRide 是一款开源的、开发者原生的 AI 流水线工具。它允许你在 IDE（如 VS Code）中可视化地构建、调试和部署生产级 AI 工作流，无需离开代码编辑器。其核心由高性能 C++ 运行时驱动，支持 50+ 种节点（涵盖 13 家大模型提供商、8 种向量数据库等）。

环境准备

在开始之前，请确保你的开发环境满足以下要求：

• 操作系统: Windows, macOS, 或 Linux。
• IDE: 推荐安装 Visual Studio Code (VS Code)。
• 容器运行时 (可选但推荐): 若需通过 Docker 部署服务端，请安装 Docker。
• 网络环境: 确保能访问 GitHub 及对应的包仓库（如无法直接访问，建议配置代理或使用国内镜像源拉取 Docker 镜像）。

安装步骤

1. 安装 VS Code 扩展

RocketRide 的核心体验集成在 VS Code 扩展中：

1. 打开 VS Code，进入扩展市场（Extensions Marketplace）。
2. 搜索 RocketRide。
3. 点击 Install 安装插件。
   • 备选方案: 如果市场加载缓慢，可访问 Open VSX Registry 下载 .vsix 文件手动安装。

2. 启动服务

安装完成后，在 VS Code 侧边栏点击 RocketRide 图标，根据提示选择服务器运行模式：

• Local (推荐): 自动将服务器拉取到 IDE 本地运行，无需额外配置。
• On-Premises (自托管): 适用于需要完全控制数据驻留的场景。你可以选择使用 Docker 部署或从源码构建。

使用 Docker 快速部署服务端：

# 拉取最新镜像
docker pull ghcr.io/rocketride-org/rocketride-engine:latest

# 创建并启动容器，映射端口 5565
docker create --name rocketride-engine -p 5565:5565 ghcr.io/rocketride-org/rocketride-engine:latest
docker start rocketride-engine

基本使用

1. 创建第一个流水线 (Pipeline)

RocketRide 的流水线文件以 *.pipe 为后缀，本质是 JSON 格式，但在 IDE 中会以可视化画布形式呈现。

1. 在 VS Code 中新建一个文件，命名为 my_first_flow.pipe。
2. 插件会自动识别并打开可视化编辑器。

2. 构建工作流

所有流水线必须以一个源节点 (Source Node) 开始：

• Webhook: 用于接收外部 HTTP 请求。
• Chat: 用于交互式对话场景。
• Dropper: 用于直接输入数据测试。

操作步骤：

1. 从左侧组件栏拖入一个源节点（例如 Chat）。
2. 拖入处理节点（如 LLM、Vector DB 或 Agent）。
3. 连接输入/输出连线（Input/Output Lanes），确保数据类型匹配。
4. 点击节点进行配置（如选择 LLM 提供商、填写 API Key、设置 Prompt 等）。

提示: 支持多智能体工作流，可直接调用 CrewAI 或 LangChain 节点，并共享内存上下文。

3. 运行与调试

• 即时运行: 在画布上点击源节点旁边的 ▶ 按钮，或在 Connection Manager 中触发运行。
• 可观测性: 运行结束后，点击流水线查看详细的分析数据，包括调用树、Token 消耗、延迟及内存使用情况，以便优化性能。

4. 集成到应用

构建完成后，你可以通过 SDK 将流水线集成到现有的 Python 或 TypeScript 项目中：

Python 示例:

from rocketride import Client

client = Client(host="http://localhost:5565")
response = client.run_pipeline("my_first_flow", input_data={"message": "Hello RocketRide"})
print(response)

TypeScript 示例:

import { Client } from 'rocketride';

const client = new Client({ host: 'http://localhost:5565' });
const response = await client.runPipeline('my_first_flow', { message: 'Hello RocketRide' });
console.log(response);

现在，你已经成功在本地构建并运行了一个 AI 流水线。更多高级用法（如自定义节点、多模态搜索等）请参考官方文档。