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。

1. 1. 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. 1. 链接“PDF file” 的输出和 “In-memory Vector Store”的输入
3. 1. 链接“OpenAI Embeddings” 的输出和“In-memory Vector Store” 的输入
4. 1. 链接“In-memory Vector Store” 的输出和 “Conversational Retrieval QA Chain”的输入
5. 1. 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. 1. 在“OpenAI”和“OpenAIEmbeddings”字段中输入您的OpenAI密钥
3. 1. 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 Flowisenpm install -g flowise
2. 1. 启动 Flowisenpx flowise start

使用用户名和密码

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

1. 1. 打开 http://localhost:3000

🐳 Docker

Docker Compose

1. 1. 进入项目根目录下的 docker 文件夹
2. 1. 创建 .env 文件并指定 PORT （参考 .env.example ）
3. 1. 运行 docker-compose up -d
4. 1. 打开 http://localhost:3000
5. 1. 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. 1. 运行镜像：docker run -d --name flowise -p 3000:3000 flowise
3. 1. 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 PNPMnpm i -g pnpm

设置

1. 1. 克隆仓库git clone https://github.com/FlowiseAI/Flowise.git
2. 1. 进入仓库文件夹cd Flowise
3. 1. 安装所有模块的依赖：pnpm install
4. 1. 构建所有代码：pnpm build
5. 1. 启动应用：pnpm start

现在可以在 http://localhost:3000 访问应用

1. 1. 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 —