AI知识库

53AI知识库

学习大模型的前沿技术与行业应用场景


31.1K Star 专注于工作流 的 Flowise AI
发布日期:2024-11-02 23:06:43 浏览次数: 1671 来源:三金得鑫



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:

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:

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

然后进入到项目中的 docker 目录下启动 docker:

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(https://docs.flowiseai.com/)。

Github: https://github.com/FlowiseAI/Flowise/blob/main/i18n/README-ZH.md

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~


53AI,企业落地应用大模型首选服务商

产品:大模型应用平台+智能体定制开发+落地咨询服务

承诺:先做场景POC验证,看到效果再签署服务协议。零风险落地应用大模型,已交付160+中大型企业

联系我们

售前咨询
186 6662 7370
预约演示
185 8882 0121

微信扫码

与创始人交个朋友

回到顶部

 
扫码咨询