在当今AI技术快速发展的时代，越来越多的开发者与企业需要简单高效的工具来构建和部署AI解决方案。

Flowise作为一款开源的低代码/无代码AI工作流构建工具，正以其直观的可视化界面和模块化架构，成为降低AI开发门槛的热门选择。

简介

Flowise是一个基于LangChain框架的开源可视化工具，专为构建定制化的大型语言模型(LLM)流程而设计 。官方将其定义为"一种低代码/无代码拖放工具，旨在让人们轻松可视化和构建LLM应用程序" 。

简单理解，Flowise通过将各功能模块以"拖拽连线"的方式组合成工作流(类似链条)，让开发者无需深入编码即可完成复杂AI应用的构建。

核心功能

Flowise提供三种主要的可视化构建器：

1. Assistant(助手)

最适合新手的入门方式，可创建能遵循指令、使用工具并检索知识库(RAG)的聊天助手。特点是配置简单，只需设置提示词、温度等参数即可快速创建AI助理 。

2. Chatflow(聊天流)

用于构建单Agent系统、聊天机器人和简单LLM流程，比Assistant更灵活。支持高级技术如：

• o Graph RAG： 图结构的检索增强生成
• o Reranker： 结果重新排序
• o Retriever： 信息检索

3. Agentflow(代理流)

Chatflow和Assistant的超集，可创建：

• o 聊天助手
• o 单Agent系统
• o 多Agent系统
• o 复杂的工作流编排

在最新版本中，Agentflow V2进一步增强了多Agent协作和复杂流程控制能力。

安装部署

Docker Compose

• o 进入项目根目录下的 docker 文件夹
• o 创建 .env 文件并指定 PORT（参考 .env.example）
• o 运行 docker compose up -d
• o 打开 http://localhost:3000
• o 可以通过 docker compose stop 停止容器

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

实际应用案例

让我们通过一个简单的例子感受Flowise的威力：构建一个智能文档问答系统。

1.添加"文件上传"节点，接收用户上传的PDF/Word文档

2.连接"文本分割"节点，将文档分成适合处理的段落

3.添加"向量嵌入"节点，将文本转换为向量表示

4.连接"向量数据库"节点，存储文档的向量数据

• o 添加"用户提问"节点接收查询
• o 连接"相似度搜索"节点，在向量库中查找相关内容
• o 最后连接"大语言模型"节点，生成基于文档的精准回答

整个过程只需几分钟，而传统开发方式可能需要几天时间。

开源地址

https://github.com/FlowiseAI/Flowise