在当今的技术世界里,自定义大语言模型 (LLM) 应用变得越来越重要,而 Flowise 为开发者们提供了一种简便的方式,通过拖放界面快速构建这些应用。无论你是初学者还是经验丰富的开发者,Flowise 都能帮助你迅速搭建 LLM 应用。
Flowise 的亮点Flowise 是一个强大的开源项目,利用可视化拖放界面,使用户能够轻松创建和配置 LLM 应用程序。下面是 Flowise 的一些核心功能: 可视化设计:通过拖放控件,轻松设计 LLM 流程。 模块化结构:Flowise 的代码库包含三个不同的模块,适合不同开发者的需求。 高灵活性:支持多种部署方式,包括本地、Docker 和云服务,满足不同用户的需求。 简单易用:安装和启动过程简单明了,便于新手上手。

⚡快速入门在开始使用 Flowise 之前,确保你的环境中已安装 NodeJS(版本 >= 18.15.0)。下面是安装和运行 Flowise 的步骤: 1. 安装 Flowise使用 npm 全局安装 Flowise: npm install -g flowise
2. 启动 Flowise运行 Flowise: npx flowise start
如果你需要设置用户名和密码以增强安全性,可以使用以下命令: npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234
3. 访问应用打开浏览器,访问 http://localhost:3000,你将看到 Flowise 的界面。 ?使用 Docker 部署如果你想使用 Docker 部署 Flowise,可以按照下面的步骤进行: Docker Compose 部署进入项目根目录的docker文件夹。 复制.env.example文件,并将其重命名为.env。 启动 Docker Compose:
docker compose up -d
访问 http://localhost:3000。 如果需要停止容器,可以使用:
docker compose stop
使用 Docker 镜像在本地构建镜像:
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
??开发者指南Flowise 是一个单仓库中的多模块项目,主要包括: 环境设置需要先安装 PNPM: npm i -g pnpm
克隆与设置克隆代码库:
git clone https://github.com/FlowiseAI/Flowise.git
进入仓库目录:
cd Flowise
安装所有模块的依赖:
pnpm install
构建代码:
pnpm build
如果你遇到 JavaScript 堆内存不足的错误,可以尝试增加 Node.js 的堆内存大小: export NODE_OPTIONS="--max-old-space-size=4096" pnpm build
启动应用:
pnpm start **```
你现在可以访问 [http://localhost:3000](http://localhost:3000)。
## ?** 身份验证
要启用应用级别的身份验证,请在 `packages/server` 目录中的 `.env` 文件中添加 `FLOWISE_USERNAME` 和 `FLOWISE_PASSWORD`:
FLOWISE_USERNAME=user FLOWISE_PASSWORD=1234 ## **?** 环境变量配置
Flowise 支持多种环境变量配置,你可以在 `packages/server` 文件夹中的 `.env` 文件中指定这些变量。
## **?** 自主部署
Flowise 支持在现有基础设施上自托管,支持多种不同的部署方式,详细文档请参见 [Flowise 文档](https://docs.flowiseai.com/configuration/deployment)。
支持的平台包括:
- AWS - Azure - Digital Ocean - GCP
### 云平台支持
Flowise 还支持多种云平台,其中包括:
- Railway - Render - HuggingFace Spaces - Elestio - Sealos - RepoCloud
## **?** Flowise 云服务
想要体验更加便捷的服务?可以选择 [Flowise Cloud](https://flowiseai.com/)。
## **?** 支持与反馈
如果你在使用过程遇到问题,或者有新的需求,欢迎在我们的 [讨论区](https://github.com/FlowiseAI/Flowise/discussions) 提出。
## **?** 同类项目对比
在 Flowise 之外,还有许多开源项目提供类似的功能,如:
1. **LangChain**:允许用户构建复杂的链以整合多个 LLM 的输出和响应,解析能力强。
2. **Haystack**:专注于信息检索,能够结合 LLM 和传统信息检索技术,适合需要结合自然语言处理和信息检索的场景。
3. **Rasa**:开源机器学习框架,支持构建对话代理,适合需要各种自然语言理解的应用。
这些项目各有特点,开发者可以根据自己的需求选择合适的工具来进行应用的开发。**
|