|
"Making AI work well requires architecture/data piping/model fine tuning that virtually no one is doing."要使 AI 正常工作，需要架构/数据管道/模型微调，而几乎没有人这样做。by Norman Vaughan（CEO@BloomTech）
随着本地部署跑的AI项目越来越多，部署环境打架问题愈发严重，经笔者的多次踩坑，给想体验的朋友几点注意事项（面向非开发者）：- ⭐️⭐️⭐️优先推荐docker部署（一开始虽然麻烦，搞几个项目后就很轻松了），可惜不是每个项目都提供了docker部署方式
- ⭐️⭐️其次如果是python环境，推荐用conda创建一个新的纯净的指定版本的python环境，版本严格按照项目标定的来，python3.12对很多组件不友好
- ⭐️⭐️同一个python环境下，也推荐为不同项目创建虚拟环境venv
真遇到问题，就随便找个大模型问，大都能解决，至少找到解决思路。
┃AI应用介绍Flowise
Flowise 是一个国内团队开源的一个项目，专为开发基于大型语言模型（LLM）的应用程序而设计。它是一个无代码工具，允许用户轻松构建自定义的LLM流程。Flowise的主要特点是其开放源代码的框架，这使得开发者可以利用社区构建的项目来加速开发进程。- 零代码界面：Flowise提供了一个直观的无代码界面，允许用户通过拖放组件来构建和自定义基于大型语言模型（LLM）的应用程序。
- 开源框架：作为一个开源项目，Flowise的代码对所有人开放，这使得开发者可以自由地查看、修改和贡献代码。
- 社区支持：Flowise受益于社区的贡献，用户和开发者可以共享和改进项目，从而加速开发进程。
- 灵活性：Flowise的设计允许用户根据自己的需求定制LLM流程，无论是简单的文本生成还是复杂的交互式应用。
- 易于使用：即使是缺乏编程经验的用户也可以使用Flowise来构建和部署自己的LLM应用，降低了使用大型语言模型的门槛。
- 可扩展性：Flowise的架构支持扩展，用户可以根据需要添加新的功能和组件，以适应不断变化的需求。
通过这些特性，Flowise旨在让开发者和非开发者都能够更容易地利用大型语言模型的能力，创建各种应用程序。搭建一个最简单的本地聊天工作流，实现根据上下文对话↑
┃部署环境 OS:Windows 11 docker：须有（不用docker部署，则不需要，但就需要另外的环境了，具体参考官方项目介绍） ollama：须有（我这里演示的是基于本地ollama的大模型环境，所以需要。如果是链接外面的LLM API接口，则不需要。） 部署方式：docker部署（官方提供的其他两种部署方式我都尝试过，在我本机环境全部失败，万幸docker部署成功） Github项目地址：https://github.com/FlowiseAI/Flowise
┃部署过程 1.通过CMD命令窗口下载项目仓库到本地（需要爬梯）
gitclonehttps://github.com/FlowiseAI/Flowise.git 2.进入已经下载下来的本地项目仓库（文件夹）
3.修改Flowise项目下docker文件夹中的.evn.example文件，直接把example去掉不修改其他配置也可以，默认有基础配置，也可以。 
4.进入项目的docker文件夹
5.通过docker安装 6.安装成功后，打开浏览器，拷贝输入：http://localhost:3000/（使用体验和效果见文中视频） 
又多了一种AI体验！Beautiful！
| 
