Show HN: Shumai – 面向创意工作的开源 Frame.io 替代方案

背景

在创意制作、视频后期及媒体资产管理领域，Frame.io 长期以来占据着主导地位，为团队提供基于帧的注释、协作审批以及资产版本管理。然而，其闭源性质、订阅费用以及数据主权问题，使得许多注重隐私、成本控制或需要高度定制化工作流的团队寻找替代方案。

在此背景下，Shumai 作为一个开源平台应运而生。它旨在为创意工作者提供一个全功能的协作环境，不仅复刻了 Frame.io 的核心协作功能，还通过集成先进的 AI 能力和灵活的存储架构，进一步提升了媒体资产管理的效率。Shumai 支持本地存储及 S3 兼容云存储，利用 Temporal 进行分布式转码，并内置了基于 Google Gemini 的 AI 辅助功能，试图在开源生态中重新定义创意协作的标准。

核心内容

Shumai 是一个面向创意工作的开源平台，其核心设计理念是安全性、灵活性与智能化。以下是该平台的主要功能模块及技术实现细节：

1. 存储与基础设施灵活性

• 兼容 S3 与本地存储：Shumai 允许用户选择使用本地文件系统或任何 S3 兼容的云存储服务（如 AWS S3、Cloudflare R2、MinIO 等）来安全地存储和分发创意资产。这种设计既满足了本地部署的数据隐私需求，也支持云原生架构的高扩展性。
• 分布式转码：针对视频处理中资源密集型的转码任务，Shumai 利用 Temporal 工作流编排引擎，将重型计算卸载到后台工作池。这不仅优化了主服务的性能，还实现了转码任务的分布式处理。

2. 协作与审批工作流

• 逐帧注释与评论：支持在视频和图片资产上进行精确反馈。用户可以使用基于帧的绘图工具，并添加带时间戳的评论，确保沟通的准确性。
• 安全分享与合集：创作者可以生成安全的公共分享链接，或创建精选媒体合集，以便与客户和利益相关者进行高效协作。
• 细粒度访问控制：通过基于角色的访问控制（RBAC），管理员可以在工作区级别和项目级别精确管理团队成员的权限。

3. AI 驱动的智能化功能

• 协作式 AI 聊天：项目工作区内置了上下文感知的 AI 代理，用户可以直接与 AI 对话，获取项目相关的见解或执行任务。
• 自定义技能与工具：Shumai 允许用户注册自定义脚本、工具和自动化技能，以扩展 AI 代理的能力边界。
• 隔离沙箱执行：为确保安全性，AI 代理提交的脚本将在隔离的沙箱环境中运行，防止恶意代码对主系统造成威胁。
• AI 元数据自动填充：利用 Google Gemini 模型，系统可自动生成新资产的标签、描述及自定义元数据，大幅减少手动录入工作。
• 语义搜索：基于向量嵌入（Vector Embeddings），用户可通过视觉或概念性的查询词即时定位资产，突破了传统关键词搜索的限制。

4. 元数据管理

• 自定义资产元数据：支持定义和自定义动态元数据字段，以适应不同制作管道的特定需求。

5. 部署与安装指南

Shumai 提供了多种部署方式，以适应不同规模和技术栈的用户：

方式一：Docker Compose（最快上手） 这是启动 Shumai 的最快方式，无需手动克隆仓库或安装依赖包。

1. 创建配置目录：mkdir shumai && cd shumai
2. 下载配置文件：curl -o docker-compose.yaml https://raw.githubusercontent.com/shumaiOne/shumai/main/docker-compose/local/docker-compose.yaml
3. 配置环境变量（仅限远程部署）：若部署至 AWS EC2 或 VPS，需在 docker-compose.yaml 的 environment 部分添加 AWS_ENDPOINT_URL_S3，指向服务器的公网 IP 或域名。
4. 启动服务：docker compose up -d
5. 访问界面：浏览器打开 http://localhost:3000（远程部署则为 http://<your-server-ip>:3000）。

方式二：全局安装（NPM/PNPM/Bun） Shumai 作为 @shumai-one/shumai 发布在 NPM 上，支持全局或本地运行。

1. 数据库准备：Shumai 依赖 PostgreSQL 及 pgvector 扩展。需先启动预配置数据库容器：

   docker run --name shumai_postgres \
   -e POSTGRES_USER=shumai \
   -e POSTGRES_PASSWORD=shumai_password \
   -e POSTGRES_DB=shumai_db \
   -p 542:5432 \
   -d pgvector/pgvector:pg18
   

2. 创建目录：mkdir shumai && cd shumai
3. 系统依赖注意：在 Ubuntu 24.04+ 上，默认限制非特权用户命名空间。需禁用此限制以支持 bubblewrap 沙箱： sudo sysctl -w kernel.apparmor_restrict_unprivileged_userns=0 或配置 AppArmor 配置文件授予相关二进制文件创建用户命名空间的权限。
4. 安装 Shumai：

   # NPM
   npm install -g @shumai-one/shumai
   # PNPM
   pnpm add -g @shumai-one/shumai
   # Bun
   bun add -g @shumai-one/shumai
   

5. 配置环境变量：创建 .env 文件，包含数据库连接、存储后端（STORAGE_BACKEND=local）、服务器端口及 S3 端点 URL。
   • 注意：Bun 用户需注意，由于发布的包二进制文件包含 #!/usr/bin/env node shebang，直接运行 shumai 会使用 Node.js。若使用 Bun 运行时，需在所有命令前加 bun run --bun 前缀（如 bun run --bun shumai）。
6. 启动应用：
   • 前台启动：shumai
   • 守护进程模式：shumai -d，并支持 stop、restart、logs 等管理命令。

方式三：本地开发环境

1. 克隆仓库：git clone https://github.com/shumaiOne/shumai.git && cd shumai && bun install
2. 启动数据库容器（同方式二）。
3. 创建 .env 文件。
4. 运行数据库迁移：bun run db:migrate
5. 启动开发服务器：bun run dev

此外，Shumai 还提供 CLI 工具，允许用户通过终端管理项目、文件夹、资产，上传文件/文件夹，以及创建新版本。

关键要点

• 开源替代方案：Shumai 是 Frame.io 的开源替代品，专注于创意工作的协作、注释和资产管理。
• 存储灵活：支持本地文件系统及 S3 兼容存储（AWS S3, Cloudflare R2, MinIO 等）。
• AI 深度集成：
  • 内置上下文感知 AI 聊天代理。
  • 支持自定义脚本和工具扩展。
  • 利用 Google Gemini 实现元数据自动填充。
  • 基于向量嵌入的语义搜索功能。
• 安全与隔离：提供细粒度的 RBAC 权限控制，AI 脚本在隔离沙箱中执行，保障系统安全。
• 高性能转码：利用 Temporal 进行分布式视频转码，优化资源使用。
• 多方式部署：
  • 推荐 Docker Compose 快速部署。
  • 支持 NPM/PNPM/Bun 全局安装。
  • 提供完整的本地开发环境搭建指南。