逐步掌握最佳Ai Agents框架-AutoGen 七 低代码AI助理

前言

在上两篇文章中，我们围绕Uniswap专家知识库打造AI助理。今天我们将以零代码的方式来实现，这要归功于Flowise。我们将使用Flowise构建的工作流，来实现一个同样的AI助理应用。

AI生态

随着AIGC的火爆，有很多非常优秀的框架、工具和服务，构建起来了良好的AI开发生态。Flowise 也是其中之一， 在介绍它之前，我们先来聊聊我们熟悉AI生态里的工具或服务，欢迎大家在评论区补充，好让我也快点学起来， 用起来。如何将这些优秀的AI生态成员工具接我们的项目，这会是我下一步写作的方向。  上图来自Flowise首页

• LangChain

LangChain提供python和js两个语言版本，Flowise基于LangChainJS库，零代码完成LLMs应用非常方便。

• Chroma

Chroma是LangChain生态里的向量数据库。将用户查询和资料，使用LLM进行embedding后，计算cosin向量值，就可以快速完成自然语言相似性处理。Chroma封装了这一流程。

• OpenAI

最为常用的AI大模型，我们也可以使用其它代替。

• HuggingFace

&emsp全球最大LLMs 社区, 有着丰富的开源大模型、数据集和类似github page 一样的在线大模型服务。
😝有需要的小伙伴，可以V扫描下方二维码免费领取🆓

## Flowise

Flowise是使用非常广泛的AI零代码工具。不需要任何编码，就可以通过拖拽的方式，轻松实现一个chat bot，并支持一键布署。

• 安装Floise

在FlowiseAI/Flowise: Drag & drop UI to build your customized LLM flow (github.com)中有两种使用方式。在这里我们使用基于node的第一种方案，如果大家对docker比较熟悉，也可以使用第二种。

1. Install Flowise

   复制代码npm install -g flowise
   

2. Start Flowise

   sql
   
   复制代码npx flowise start
   

   With username & password

   css
   
   复制代码npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234
   

• AI助理要使用到的工作流组件

假定大家已经安装好flowise, 并在相关端口本地成功启动flowise。

通过左上角的加号，我们添加了OPENAI 大模型模块。

PdfFile、Recursive Character Text Spliter、OpenAI Embeddings、和 In-Momory Vector Store 四个模块的引入，分别解决了Uniswap 白皮书(pdf格式)的加载、1000字符一片的切片、切片的embedding计算和向量存储

LangChain的Conversational Retrieval QA Chain模块的加入，集合OPENAI、向量数据库、数据缓存一起，实