概览
这些示例展示了 Vane 如何在实际数据工作流中组合 Relation、SQL、批量 UDF、AI 函数，以及可配置的本地或 Ray 执行方式。每篇文档都对应 Vane 生态中的可运行源码：先交代问题，再分阶段拆解处理流程，解释关键实现选择，最后说明应检查哪些产物。
大多数脚本默认使用小型、自包含的样例数据。你可以先在本地理解工作流，再切换到真实数据集、模型或服务。
运行示例脚本
先按照安装页面创建环境并安装已发布的 Vane wheel。只下载可运行脚本时，可以使用 git clone --depth 1 --filter=blob:none --sparse https://github.com/AstroVela/vane.git vane-examples，然后执行 cd vane-examples 和 git sparse-checkout set examples。通过 uv pip install vane-ai numpy pyarrow 安装通用运行依赖，再按下表补充示例专用依赖。
Sparse checkout 不会把 vane/ 和 duckdb/ 源码目录放入工作区，因此示例脚本和本地 Ray worker 会导入已安装的 wheel，而不是相邻的源码副本。
按需安装依赖
上面的基础环境足以运行 MinHash 去重和占位图像生成。只需为准备运行的工作流安装额外依赖：
| 示例 | 默认样例需要的额外依赖 | 可选模式 |
|---|---|---|
| Common Crawl 与 Red Pajamas | uv pip install torch sentence-transformers transformers | 缓存 sentence-transformers/all-MiniLM-L6-v2 后可启用仅本地文件选项；Common Crawl 也可以跳过嵌入阶段 |
| 查询图像 | uv pip install Pillow | OpenImages 数据源还需要网络访问 |
| 图像生成 | 占位后端无需额外依赖 | Stable Diffusion 需要 uv pip install diffusers transformers accelerate torch Pillow |
| 语音 AI 分析 | uv pip install torch sentence-transformers transformers | Faster-Whisper 需要 uv pip install faster-whisper av；OpenAI 摘要需要 uv pip install 'vane-ai[openai]' |
| 多模态结构化输出 | uv pip install 'vane-ai[openai]' pydantic 和 provider token | AI2D 输入还需要 uv pip install datasets Pillow |
使用 CUDA 工作流时，请安装与操作系统、GPU 和驱动匹配的 PyTorch build。PyPI 默认包不一定是适合当前机器的 CUDA build。
运行有界样例
在 sparse checkout 根目录运行以下命令。它们使用内置或生成的输入；只有结构化输出示例默认需要托管模型。
| 示例 | 有界运行命令 | 默认结果 |
|---|---|---|
| Common Crawl | python examples/common_crawl.py --source sample --limit 5 | 页面、文本块和嵌入写入 examples/output/common_crawl/ |
| MinHash 去重 | python examples/minhash_dedupe.py --source sample --limit 10 | 标注、保留、重复、聚类、候选与桶 CSV 写入 examples/output/minhash_dedupe/ |
| Red Pajamas | python examples/llms_red_pajamas.py --source sample --limit 6 | 在终端显示匹配；添加 --output-csv PATH 可以持久化结果 |
| 查询图像 | python examples/querying_images.py --source sample --limit 5 | 图像预览、掩码和 top_red_images.csv 写入 examples/output/querying_images/ |
| 图像生成 | python examples/image_generation.py --source sample --limit 4 | 占位 PNG 与 metadata.csv 写入 examples/output/image_generation/ |
| 语音 AI 分析 | python examples/voice_ai_analytics.py --source sample --limit 3 | 摘要、字幕和片段嵌入写入 examples/output/voice_ai_analytics/ |
| 多模态结构化输出 | python examples/multimodal_structured_outputs.py --source synthetic --limit 1 --skip-judge | 在终端显示评估行；使用默认端点前需要设置 OPENAI_API_KEY |
这些脚本不会显式设置 Vane runner，因此会采用已安装包的默认值。使用本地 runner 时设置 VANE_RUNNER=local；如需使用已有 Ray 集群，则保持 runner 未设置，并在启动前设置 RAY_ADDRESS。每个 worker 都需要安装相同的示例专用依赖，并能访问相同的数据、模型缓存和凭证。配置的 runner 会物化整条 Relation 工作流，而不会改变样例契约。
示例
| 示例 | 你将构建什么 | 默认输入 |
|---|---|---|
| 处理 Common Crawl 数据 | 解码 WET 记录、按语言过滤、切分网页文本并生成嵌入 | WARC 结构的内置记录 |
| MinHash 文本去重 | 规范化文本、生成 MinHash 签名、查找 LSH 候选并为每个连通分量保留一行 | 内置的重复文本块 |
| Red Pajamas 语义检索 | 为 StackExchange 风格问题生成嵌入，并把低分问题匹配到相关的高分问题 | 内置的问题对 |
| 查询图像数据 | 加载图像字节、在批量 UDF 中检测红色区域，并为图像和掩码排序 | 生成的样例图像 |
| 从文本生成图像 | 使用占位后端或 Stable Diffusion，把提示词行转换为 PNG 字节 | 确定性的占位图像 |
| 语音 AI 分析 | 转写音频、总结转录文本、生成字幕行并为片段创建嵌入 | 生成的音频与预设转录文本 |
| 多模态结构化输出 | 比较带图与纯文本回答、划分评估象限并诊断失败 | 合成视觉问题与托管 VLM |
用例
这些用例会组合多个源系统、模态分支或 SQL 派生表。页面集中说明核心处理与决策路径，不展开运维脚手架。每个用例都是带有独立固定依赖的项目；请按对应项目的安装步骤操作，不要复用上面的 wheel 示例环境。
| 用例 | 你将构建什么 | 默认场景 |
|---|---|---|
| 基于多模态证据的理赔处置 | 组合理赔记录、照片、OCR、多模态事实和有序 SQL 规则，为每个理赔案件生成一条工作流建议 | 覆盖全部建议结果的四个合成案件 |
| 企业 Agent 证据治理 | 解析可复用多模态资产、识别证据缺口与冲突，并构建经过治理的 Agent 上下文和审查队列 | 五个公开来源资产关联到四个合成业务事项 |
| 多模态训练数据发布集 | 把文档、图像、音频和文本分支处理成统一的发布表与可审查的拒绝记录集 | 五个固定版本的公开来源资产 |
| 采购合规审计 | 从证据图像抽取事实、比较专家评分、重新计算中标方并生成确定性审计发现 | 一个包含两张证据图像的合成招标项目 |
| 基于全局 LSH 的网页文本去重 | 生成全局 LSH 候选、用精确 Jaccard 校验、形成图聚类并保留代表文档 | 24 篇包含重复组与单例的文档 |
如何选择
文本与嵌入工作流可以从 Common Crawl 或 Red Pajamas 开始。精简的 MinHash 示例适合了解算法；全局网页文本用例则继续覆盖候选诊断、精确校验、聚类和发布。图像生成、图像查询、语音和结构化输出示例展示了二进制媒体与模型结果如何在 Arrow 支撑的 Relation 中流转。如果需要由多个输入和明确下游策略组成的完整工作流，可以选择理赔、采购、Agent 证据或训练数据发布用例。
代码来源
这些页面中的每个代码块都复制自对应的源码项目。示例使用 Vane 仓库 examples/ 下的文件，用例使用 demo-scene 仓库中同名目录下的文件。正文只负责解释和串联这些片段，可运行项目始终是最终依据。