• ⭐️⭐️⭐️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

1. 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。
2. 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。
3. 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。
4. 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。
5. 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。
6. 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。

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）

git clone https://github.com/FlowiseAI/Flowise.git

2.进入已经下载下来的本地项目仓库（文件夹）

cd Flowise

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

cd docker

5.通过docker安装

docker-compose up -d

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！