24.4k Star！Flowise ：LLM开源低代码工具、可视化的LangChain实现、可定制AI Agent

24.4k Star！Flowise ：LLM开源低代码工具、可视化的LangChain实现、可定制AI Agent

Aitrainee | 公众号：AI进修生：AI算法工程师 / Prompt工程师 / ROS机器人开发者 | 分享AI动态与算法应用资讯，提升技术效率。

排版不佳，公众号阅读原文：24.4k Star！Flowise ：LLM开源低代码工具、可视化的LangChain实现、可定制AI Agent

🌟拖放 UI 以构建您的定制 LLM 流程：

Flowise，一个用户友好的、无代码的平台，它简化了构建LangChain工作流的过程， 允许开 发人员创建LLM应用程序，而无需编写代码。

F lowise的关键特性，包括拖放式UI、用户友好性和多功能性。

通过直观的拖放界面简化LangChain流程开发

Flowise为开发人员提供了一个特殊的工具，旨在构建LLM应用程序，而无需深入研究编码。

对于努力以敏捷方式快速构建原型并开发LLM应用程序的组织来说，这同样是有益的。让我们来看看Flowise AI的一些突出功能:

• • 拖放式UI: Flowise使设计自己的自定义LLM流程变得简单。

• • 开源: 作为一个开源项目，Flowise可以自由使用和修改。

• • 用户友好: Flowise很容易上手，即使对那些没有编码经验的人也是如此。

• • 通用: Flowise AI可用于创建各种LLM应用程序。

---

示例1: 构建基本LLM链

遵循以下步骤:

1. 1. 在空白画布上，单击”+ Add New”按钮以调出左侧的”Add Nodes”面板。

2. 2. 从“Add Nodes”面板中选择以下组件，它们将出现在画布上:

* •  从LLMs中将OpenAI拖到面板 

* •  从Chains分类中拖出LLM chain 

* •  从Promps分类中拖出Prompt Template 

现在，画布应该是这样的:

1. 1. 连接组件

* •  将OpenAI的输出（output）链接到LLM Chain的语言模型（input） 

* •  将Prompt Template的输出（output）链接到LLM Chain的Prompt（input） 

1. 1. 输入必要的信息

• 在OpenAI的字段中输入OpenAI密钥

• 将以下prompt模板写入“Prompt Template”的Template字段中:

What is a good name for a company that makes {product }?

* •  给LLM Chain一个名字. 

* •  单击右上角的“保存”图标进行保存. 

* •  点击右上角的聊天图标，就可以开始发送“产品名称”了。在这里，我们得到了预期的答案. 

---

示例2: 构建PDF阅读器Bot

在之前的一篇博文中，我演示了如何使用LangFlow创建PDF Reader Bot。现在，让我们使用Flowise创建相同的机器人。

将以下组件添加到空白画布中:

• • 从“Text Splitters”中选择“Recursive Character Text Splitter”（递归字符文本分割器）

• • 从“Document Loaders”中选择“PDF file”

• • 从“Embeddings”中选择“OpenAI Embeddings”

• • 从“Vector Stores”中选择“In-memory Vector Store”（内存向量存储）

• • 从“LLMs”中选择“OpenAI”

• • 从“Chains”中选择“Conversational Retrieval QA Chain”（对话检索QA Chain）

现在我们在画布中拥有了所有必需的组件。

---

连接组件

1. 1. 链接“Recursive Character Text Splitter” 的输出和 “PDF file” 的输入

2. 2. 链接“PDF file” 的输出和 “In-memory Vector Store”的输入

3. 3. 链接“OpenAI Embeddings” 的输出和“In-memory Vector Store” 的输入

4. 4. 链接“In-memory Vector Store” 的输出和 “Conversational Retrieval QA Chain”的输入

5. 5. 链接“OpenAI” 的输出和 “Conversational Retrieval QA Chain” 的输入

---

输入必要的信息

1. 1. 点击“PDF File”中的“Upload File”，上传标题为“Introduction to AWS Security”的示例PDF文件。

2. 2. 在“OpenAI”和“OpenAIEmbeddings”字段中输入您的OpenAI密钥

3. 3. 单击“save”按钮，然后单击聊天按钮开始发送请求。

⚡ 快速入门

下载并安装 NodeJS >= 18.15.0

1. 1. 安装 Flowise

   npm install -g flowise

2. 2. 启动 Flowise

   npx flowise start

使用用户名和密码

    npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234

3. 3. 打开 http://localhost:3000

🐳 Docker

Docker Compose

1. 1. 进入项目根目录下的 docker 文件夹

2. 2. 创建 .env 文件并指定 PORT （参考 .env.example ）

3. 3. 运行 docker-compose up -d

4. 4. 打开 http://localhost:3000

5. 5. 可以通过 docker-compose stop 停止容器

Docker 镜像

1. 1. 本地构建镜像：

   docker build --no-cache -t flowise .

2. 2. 运行镜像：

   docker run -d --name flowise -p 3000:3000 flowise

3. 3. 停止镜像：

   docker stop flowise

👨‍💻 开发者

Flowise 在一个单一的代码库中有 3 个不同的模块。

• • server ：用于提供 API 逻辑的 Node 后端

• • ui ：React 前端

• • components ：第三方节点集成

先决条件

• • 安装 PNPM

  npm i -g pnpm
  

设置

1. 1. 克隆仓库

   git clone https://github.com/FlowiseAI/Flowise.git

2. 2. 进入仓库文件夹

   cd Flowise

3. 3. 安装所有模块的依赖：

   pnpm install

4. 4. 构建所有代码：

   pnpm build

5. 5. 启动应用：

   pnpm start

现在可以在 http://localhost:3000 访问应用

6. 6. 用于开发构建：任何代码更改都会自动重新加载应用程序，访问 http://localhost:8080

* •  在 ` packages/ui ` 中创建 ` .env ` 文件并指定 ` VITE_PORT ` （参考 ` .env.example ` ） 

* •  在 ` packages/server ` 中创建 ` .env ` 文件并指定 ` PORT ` （参考 ` .env.example ` ） 

* •  运行 
    
            pnpm dev

🔒 认证

要启用应用程序级身份验证，在 packages/server 的 .env 文件中添加 FLOWISE_USERNAME 和 FLOWISE_PASSWORD ：

FLOWISE_USERNAME=user  
FLOWISE_PASSWORD=1234

🌱 环境变量

Flowise 支持不同的环境变量来配置您的实例。您可以在 packages/server 文件夹中的 .env
文件中指定以下变量。了解更多信息，请阅读 文档

📖 文档

[Flowise 文档]：(https://docs.flowiseai.com/)

🌐 自托管

在您现有的基础设施中部署自托管的 Flowise，我们支持各种 部署

• • AWS

• • Azure

• • Digital Ocean

• • GCP

— 完 —