别再买 Jenkins 插件和云 CI 服务了：这个免费工具，自己搭个流水线不花一分钱

你有没有过这种经历？公司让做自动化测试，你吭哧吭哧配好 Jenkins，结果发现想跑 Python 脚本得装插件，想等数据库启动完再跑迁移得写 Groovy 脚本，想把模型训练和部署串成一条线——对不起，得买 Blue Ocean 插件，或者直接上 GitLab CI 的付费版。更别提那些动辄每月几百块的云 CI 服务，跑个定时数据清洗都要扣费。你只是想让几个命令按顺序执行、失败能重试、结果能看清楚，怎么就非得掏钱、还得学一堆新概念？其实，Kubernetes 上早有个成熟工具，不用改代码、不绑厂商、不收月费，连界面都给你配好了——它就是 Argo Workflows。

能替代什么 / 能省多少钱

Argo Workflows 不是来跟你抢「写脚本」这个活儿的，它是来替你砍掉那些重复买服务的钱。它直接对标的是两类付费场景：一类是 Jenkins 高级插件（比如 Pipeline Utility Steps、Blue Ocean、CloudBees CI 订阅），另一类是云厂商的托管工作流服务，比如 AWS Step Functions、Azure Logic Apps、阿里云函数工作流（Function Flow）的中高阶套餐。这些服务起步价基本在每月 300～800 元，按执行次数或并发数计费，一个中等规模的数据团队每月轻松上千。而 Argo Workflows 完全开源，只要你有 Kubernetes 集群——哪怕是你自己用 Docker Desktop 或 Minikube 在笔记本上起的一个单节点集群，就能跑起来。我试过用它每天跑三次机器学习预处理任务，从下载数据、清洗、训练到上传模型，全程没花一分钱，也不用填信用卡信息。如果你现在还在为 Jenkins 插件授权发愁，或者被云工作流的账单吓一跳，那它真能帮你一年省下至少三千块。

核心功能

你不用再手写 Groovy 或 YAML 去“猜”任务怎么串。Argo 把整个流程画成一张图，不是抽象的 DAG 图，而是你能点开每个节点看日志、查输出、重试失败步骤的真实界面。比如你设了一个“先拉代码→再跑单元测试→最后打镜像”的三步流程，点进去任意一步，能看到容器实时输出，失败时还能一键重试，不用翻 Jenkins 控制台找构建编号。
支持真正的条件分支。不是“成功就走 A，失败就走 B”那种简单判断，而是能根据上一步输出的 JSON 字段决定下一步动作。比如你跑完数据质量检查，返回 {“status”: “warning”, “rows_dropped”: 12}，就可以自动触发告警通知，但继续往下走；如果返回 {“status”: “error”}，就直接终止并发邮件。这点 Jenkins 原生 pipeline 得靠一堆 if-else 脚本硬套，Argo 直接在 YAML 里写 when: “{{steps.check.outputs.parameters.status}} == ‘error’”，干净利落。
参数和文件能在步骤间自动传递。你不用手动把上一步生成的 CSV 文件存到 NFS 或 S3 再让下一步去读，Argo 内置 artifact 支持，S3、MinIO、甚至本地路径都能当“中转站”。我试过让第一步用 Python 爬网页生成 report.csv，第二步用 Pandas 读同一个文件名，YAML 里只写 inputs.artifacts.report.path: /tmp/report.csv，它就自动挂载进容器了。省掉写共享存储权限、调试路径错误的时间，至少省半小时。
定时任务不用另装 CronJob。直接在 workflow 定义里加 schedule: “0 2 * * *”，它就会按 cron 表达式每天凌晨两点跑一次。而且每次执行都会单独归档，你点进历史记录，能看到三个月前某次失败是因为内存超限，而不是翻日志找时间戳。
暂停和恢复真能救命。上线前最后一刻发现配置错了？点一下“Suspend”，所有正在跑的步骤立刻冻结，等你改完 YAML 再点“Resume”，接着上次断点往下走。不像 Jenkins 构建一旦开始就只能等它崩完，或者手动删掉一半中间产物再重来。
支持循环处理多个输入。比如你有一组客户 ID 列表，想挨个调用 API 查询余额，不用写 for 循环脚本，用 withParam: “{{workflow.parameters.customer_ids}}”，它会自动生成 N 个并行子任务，每个带不同 ID，失败的还能单独重试，不影响其他客户。
退出钩子（Exit Hooks）能干实事。比如流程结束不管成功失败，都自动发钉钉消息；或者只在失败时把日志打包上传到私有 MinIO；甚至可以清理临时 PVC。这些不是靠外部脚本轮询实现的，而是 Argo 原生支持的字段，写进 YAML 就生效。

三步上手

先装个最小 Kubernetes 环境。如果你用 Windows 或 macOS，直接去官网下载 Docker Desktop（https://www.docker.com/products/docker-desktop/），安装时勾选“启用 Kubernetes”，等右下角鲸鱼图标变绿，说明集群起来了。不需要懂 kubectl 命令，Docker Desktop 自带的 Kubernetes Dashboard 就够你看基础状态。
打开浏览器，访问 Argo 官方提供的免安装体验页：https://workflows.apps.argoproj.io/workflows/argo。这是他们维护的公开 demo 环境，不用注册、不用下载，点“Submit Workflow”就能运行示例流程。你试试那个叫 “hello-world” 的模板，30 秒内就能看到容器启动、输出 “Hello Argo!”、然后结束。这就是最简验证，它真能跑起来。
想本地长期用？回到 Docker Desktop，打开终端（Windows 是 PowerShell，Mac 是 Terminal），粘贴这行命令：
curl -sSL https://raw.githubusercontent.com/argoproj/argo-workflows/stable/manifests/install.yaml | kubectl apply -n argo -f –
等两分钟，再执行：
kubectl patch svc argo-server -n argo -p ‘{“spec”: {“type”: “NodePort”}}’
然后访问 http://localhost:30080（注意是 30080，不是 8080），就进到你自己的 Argo 工作流控制台了。首页右上角“SUBMIT WORKFLOW”按钮点开，选 “hello-world.yaml”，提交，完成。

要说清楚的短板

首先，它没有中文界面。所有按钮、菜单、报错提示都是英文，比如 “Resubmit”、“Suspend”、“Artifact Repository”，对完全不碰英文的用户有点门槛。我试过让同事帮忙看日志，她第一反应是“这啥意思”，得截图翻译一遍才能继续。其次，它依赖 Kubernetes，不是双击安装包那种。虽然 Docker Desktop 降低了门槛，但如果你的电脑只有 4GB 内存，开 Docker Desktop + Kubernetes 可能卡顿，这时候就得换轻量方案，比如用 kind（Kubernetes in Docker）单独起个最小集群。第三，它不处理代码托管本身，不能代替 GitHub 或 GitLab，也不能自动监听 push 事件（那是 Argo Events 干的事，得另外装）。你想实现“一推代码就自动构建”，得额外配 webhook 和 Events 组件，这部分官方文档写得偏技术，新手容易卡在 RBAC 权限配置上。我自己就在 serviceaccount 权限上折腾了四十分钟，最后抄了社区里一个现成的 yaml 才跑通。