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:
- 在空白画布上,单击”+ Add New”按钮以调出左侧的”Add Nodes”面板。
- 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:
- 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)
- 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
- 链接“Recursive Character Text Splitter” 的输出和 “PDF file” 的输入
- 链接“PDF file” 的输出和 “In-memory Vector Store”的输入
- 链接“OpenAI Embeddings” 的输出和“In-memory Vector Store” 的输入
- 链接“In-memory Vector Store” 的输出和 “Conversational Retrieval QA Chain”的输入
- 链接“OpenAI” 的输出和 “Conversational Retrieval QA Chain” 的输入
输入必要的信息
- 点击“PDF File”中的“Upload File”,上传标题为“Introduction to AWS Security”的示例PDF文件。
- 在“OpenAI”和“OpenAIEmbeddings”字段中输入您的OpenAI密钥
- 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
- 安装 Flowisenpm install -g flowise
- 启动 Flowisenpx flowise start
使用用户名和密码
npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234
🐳 Docker
Docker Compose
- 进入项目根目录下的
docker
文件夹
- 进入项目根目录下的
- 创建
.env
文件并指定PORT
(参考.env.example
)
- 创建
- 运行
docker-compose up -d
- 运行
- 可以通过
docker-compose stop
停止容器
- 可以通过
Docker 镜像
- 本地构建镜像:docker build --no-cache -t flowise .
- 运行镜像:docker run -d --name flowise -p 3000:3000 flowise
- 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
- 克隆仓库git clone https://github.com/FlowiseAI/Flowise.git
- 进入仓库文件夹cd Flowise
- 安装所有模块的依赖:pnpm install
- 构建所有代码:pnpm build
- 启动应用:pnpm start
现在可以在 http://localhost:3000 访问应用
- 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 —
版权归原作者 Aitrainee 所有, 如有侵权,请联系我们删除。