31.1K Star 专注于工作流 的 Flowise AI

小伙伴们大家好,这里是三金~

不知道从什么时候开始,每年的十月份工作就会异常的忙碌,事情一堆一堆的,仿佛都不给人喘息的机会。有一些小伙伴也私聊我说虽然每天的工作内容比较单一重复,但架不住量大,长此以往都没法好好摸鱼了,有没有什么工具可以实现自动化工作?

三金直呼好家伙,重点是摸鱼是吧😂

本来我是准备让他使用 Dify 的,但他表示 Dify 并不符合他的预期。他想要的是------能实现在自动化工作,且能生成文件到本地,其他功能都可以不要,主打一个轻量化!

这样的话,三金就不得不拿出 Flowise 来满足他了。

什么是 Flowise ?

Flowise 是一款兼容 LangChain 的开源低代码工具,不管是普通用户还是开发人员都能轻松构建可视化 LLM 工作流和 AI Agent。

说是低代码,其实更多的时候它也是无代码,我们只需要在一块画布上,先点击左上角的添加按钮新增工具卡片,然后通过拖拉拽的方式将这些工具串起来就可以得到一个 AI 应用。

是不是很简单?

所以 Flowise 特别适合那些不了解编程知识或者了解比较少的用户,他们可以通过连线的方式就能构建出如聊天机器人、AI 智能体、AI 智能爬虫以及数据分析工具等等应用

它能做什么?

Flowise 可以做的事情有很多,包括但不限于:

  • 基于用户上传文档的问答机器人
  • AI 客服
  • 一些服务平台的问答系统
  • 以及开头小伙伴想要的自动化工具

三金所说的这些并不是本身就存在于 Flowise 中的,而是需要根据实际情况通过工作流的方式来实现的。所以对使用者来说,它的灵活度很高、可定制性很强。

那实现一个工作流也很简单,我们只需要列出完成这个目标需要哪些步骤即可。比如实现一个 PDF 聊天机器人:

  1. 上传文档
  2. 把文档需要交给一个处理文档的模型处理
  3. 处理后的数据需要存储
  4. 既然聊天肯定还需要一个 Chat 模型
  5. 然后将这些点通过「链」的方式串起来

回到 Flowise 中,然后按照这个步骤一步一步创建工作流节点即可。

点击右上角的代码图标还可以将工作流嵌入 HTML 网页或者直接以 Chatbot 的形式分享给别人,非常的便捷:

如何部署?

Flowise 的部署有两种简单的方式:

  • 使用 npm 安装及启动

使用 npm 安装及启动项目,本地一定要有版本大于等于 18.15.0 的 NodeJS 环境,然后执行以下命令即可运行项目:

bash 复制代码
npm install -g flowise

npx flowise start

项目启动以后我们访问 http://localhost:3000 即可~

  • 使用 Docker 安装及启动

首先需要克隆 Flowise 项目到本地:

bash 复制代码
git clone https://github.com/FlowiseAI/Flowise.git

然后进入到项目中的 docker 目录下启动 docker:

bash 复制代码
cd Flowise/docker

cp .env.example .env

docker compose up -d

也是访问 http://localhost:3000 即可~

案例

部署好之后,三金再带大家实现两个 Chatflow 练练手,稍微熟悉熟悉。

一、PDF 聊天

也就是我们在上一部分提到的内容,虽然那会儿提到实现这个工作流需要五步,但是节点其实需要 6 个:

  1. Text Splits: 1000-200,这个作用不用多说吧;
  2. PDF File:可以用来上传 PDF 文档
  3. Jina Embeddings:接入 Jina 的 Embedding 模型
  4. 向量存储-In Memory Vector(需要2和3两个输出)
  5. OpenAI Model
  6. 链--Conversational Retrieval QA Chain:基于文档的问答链,是 Langchain 框架提供的(需要4和5两个输出)

在 6 这里还有一个 Return Source Documents 的开关,作用是可以返回相关的原文档的信息

完整的工作流截图我已经在上一部分贴了,有需要的照抄就行。

二、任务生成器

顾名思义:我们可以输入一个目标,然后 AI 给我们生成「完成这个目标都需要哪些步骤」。

  1. 一个 AI 大模型
  2. 一个 prompt,用来告诉大模型需要做什么,生成什么
  3. 通过「链」来将节点串起来

注意:节点输出的类型在卡片的右下角,hover 上去的时候会提示详细的类型

和 Dify 以及 FastGPT 相比

上手有一些成本,如果对 LangChian 比较熟悉就还好,不太熟悉的话,里面的节点在使用的时候会让人比较懵逼,尤其在将节点串起来的时候,不知道该使用什么链。

或许看看文档会好一些:文档地址

Github

再就是定位不一样:

  • Dify 更倾向于 Coze 这种 AI Agent 平台,里面的功能很全,社区活跃度也很高,还能接入到微信;
  • FastGPT 的关注点则在知识库,这一点用过的人感受都很明显;
  • Flowise 侧重于工作流,不管是 Chatflows 还是 Agentflows 都是工作流,不像另外两个那样功能繁多。

大家可以根据自己的实际情况做选择,条件允许的话我还是建议直接使用 Dify

觉得文章有用的 jpy 轻抬下手 点赞收藏

相关推荐
奔跑中的小象2 小时前
统信UOS + 天数AI卡部署SGLang服务手册
人工智能·uos·sglang·天数智芯
DevSecOps选型指南2 小时前
中国版Mythos,为何是悬镜安全灵脉CodeAI?
人工智能·安全
Shockang2 小时前
LangGraph 状态机实战
人工智能
刹那芳华19922 小时前
循环神经网络的从零开始实现(RNN)
人工智能·rnn·深度学习
阿童木写作2 小时前
跨境图片翻译工具多合一,批量图片视频字幕翻译加智能抠图
人工智能·python·音视频·语音识别
科技之门2 小时前
AI3D从建模到贴图、绑骨和动画的完整流程怎么做?V2Fun完整工作流指南
人工智能·3d·贴图
宇宙第一小趴菜2 小时前
二、机器学习的应用领域和发展史
人工智能·机器学习
前端开发江鸟2 小时前
我写过 MCP Server,却一直以为 MCP 只有 Tool
人工智能
天国梦3 小时前
自习室智能化升级避坑指南:天学网AI智习室方案实测与选型建议
大数据·人工智能
阿里云云原生3 小时前
可用性从 99.9% 跃升至 99.995%:畅捷通如何用 AI 重塑运维底座?
运维·网络·人工智能