Flowise

Flowise 是一款开源的低/无代码工具，只要用于可视化构建LLM工作流。它通过拖拽界面，让用户不需要编写的复杂代码就可以快速搭建 LLM 应用，支持多种工作流模式（如 Assistant、Chatflow、Agentflow）和丰富的组件（如模型、提示模板、链路等）。同时它还支持多种 LLM 模型、扩展功能和多平台部署。

Flowise功能特点

• 低代码/无代码操作：通过拖拽界面，用户无需编写复杂代码即可快速搭建 LLM 应用。

• 可视化构建：提供直观的图形界面，支持多种组件（如 LLM 模型、提示模板、链路等）的拖拽和连接。

• 支持多种工作流模式：

• Assistant：适合初学者，用于创建简单的聊天助手。

• Chatflow：用于构建单智能体系统和简单的 LLM 流。

• Agentflow：支持更复杂的多智能体系统和工作流编排。

• 全面的模型支持：与数百种开源或专有的 LLM 无缝集成，支持 HuggingFace、Ollama、Localai 等。

• 丰富的扩展功能：支持与内存、数据加载器、缓存、审核等组件的集成。

• 开发友好性：提供 API、SDK 和嵌入式聊天功能，方便开发者扩展和集成。

• 多平台支持：支持在本地环境、云平台（如 AWS、Azure、GCP）上运行。

Flowise使用教程

安装

通过 Docker 安装：

• 克隆 Flowise 项目。

• 进入项目根目录的 docker 文件夹。

• 复制 .env.example 文件并重命名为 .env。

• 执行 docker compose up -d 启动服务。

• 访问 http://localhost:3000 使用 Flowise。

通过 Node.js 安装：

• 确保安装了 Node.js（版本 >= 18.15.0）。

• 使用命令 npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234 启动 Flowise。

• 访问 http://localhost:3000 使用 Flowise。

构建工作流

• 创建新的工作流：登录 Flowise 后，点击页面右上角的 “Add New” 按钮，添加一个新的工作流。

• 添加组件：从左侧的组件面板中选择需要的组件（如 LLM 模型、链路、提示模板等），拖拽到画布上。

• 连接组件：将组件的输出端口连接到其他组件的输入端口，形成工作流。

• 配置组件参数：在组件的配置面板中填写必要的参数，如 LLM 的 API 密钥、提示模板内容等。

• 保存和测试：保存工作流后，点击右上角的对话框进行测试。

例子

• 聊天机器人：通过连接 OpenAI 模型、提示模板和 LLM 链，可以快速构建一个简单的聊天机器人。

• 问答系统：结合数据加载器和检索组件，可以构建基于知识库的问答系统。

技术架构

• 前端：采用React + TypeScript，基于ReactFlow实现可视化。

• 后端：使用Node.js + Express，支持RESTful API和WebSocket。

• 部署方案：支持Docker + Kubernetes一键云原生部署。

• 包管理：使用pnpm workspace进行多模块依赖管理。

• 文档生成：通过Swagger UI自动生成API文档，方便开发者进行API的调用集成。

应用场景

• 智能客服系统：接入企业知识库，自动回答产品问题。

• 合同审查助手：解析法律文件，自动生成风险报告。

• 科研文献分析：批量处理论文，提取关键研究成果。

• 智能招聘系统：自动解析简历，生成候选人评估。

Github：https://github.com/FlowiseAI/Flowise