Flowise — 可视化 LLM 工作流构建器¶

# === 方法一：npm 安装（最简单） ===
npm install -g flowise  # 全局安装 Flowise
npx flowise start  # 启动 Flowise（自动打开浏览器）

# 指定端口和认证
npx flowise start \
  --PORT=3000 \
  --FLOWISE_USERNAME=admin \
  --FLOWISE_PASSWORD=你的密码  # 带密码保护地启动

# === 方法二：Docker 安装 ===
docker run -d \
  --name flowise \
  -p 3000:3000 \
  -v flowise_data:/root/.flowise \
  flowiseai/flowise  # 用 Docker 运行 Flowise

# 打开浏览器访问 http://localhost:3000

在 Flowise 界面中：
1. 点击左侧 "Credentials"（凭证）
2. 点击 "Add Credential"
3. 选择类型：
   - OpenAI API → 输入 Key
   - Anthropic → 输入 Key
   - 或选择 Ollama（免费本地模型）
4. 保存

1. Assistant（助手模式）— 最简单
   - 适合初学者
   - 类似配置 ChatGPT 助手
   - 选模型 → 写提示词 → 加工具 → 完成

2. Chatflow（聊天流模式）— 中级
   - 可视化拖拽构建单 Agent 系统
   - 支持 RAG、记忆、工具调用
   - 适合做聊天机器人、知识库问答

3. Agentflow（代理流模式）— 高级
   - 多 Agent 编排
   - 支持分支、循环、条件判断
   - 适合复杂业务逻辑

用 Chatflow 构建基于文档的 AI 问答系统：

步骤（全部拖拽完成，不写代码）：
1. 拖入 "PDF File Loader" → 上传你的 PDF 文档
2. 拖入 "Text Splitter" → 把长文档切成小段
3. 拖入 "OpenAI Embeddings" → 把文本转成向量
4. 拖入 "In-Memory Vector Store" → 存储向量
5. 拖入 "Retriever" → 检索相关内容
6. 拖入 "Chat Model"（如 Claude） → 生成回答
7. 用线把它们连起来
8. 点击保存 → 测试 → 发布

效果：用户问问题，AI 先从你的文档中找答案，
然后用自然语言回答。比 ChatGPT 更准确（因为有你的数据）

每个 Chatflow/Agentflow 都自动生成 API：

1. 保存工作流后
2. 点击 "API Endpoint" 按钮
3. 获得 API URL 和 Key
4. 可以用 curl 或代码调用：

curl -X POST http://localhost:3000/api/v1/prediction/<chatflow-id> \
  -H "Content-Type: application/json" \
  -H "Authorization: Bearer <api-key>" \
  -d '{"question": "你好，请介绍一下你的产品"}'

用 Agentflow 构建多 Agent 系统：

示例：智能客服路由系统
1. 用户提问
2. "意图分类 Agent"判断是什么类型的问题
3. 根据类型路由到不同的专业 Agent：
   - 产品问题 → "产品专家 Agent"（连接产品文档）
   - 技术问题 → "技术支持 Agent"（连接技术文档）
   - 投诉问题 → "投诉处理 Agent"（创建工单）
4. 每个 Agent 有自己的工具和知识库
5. 最终汇总回答给用户

Flowise 内置了人工审核机制：

适用场景：
- 金融领域（AI 回答需要人工审核）
- 医疗领域（不能让 AI 随便给建议）
- 高风险操作（删除数据、发邮件等）

配置方式：
1. 在 Agent 工具节点上启用 "Require Approval"
2. 当 Agent 要执行该工具时
3. 会暂停并通知人工审核
4. 人工批准/拒绝/修改后才继续执行

Flowise 支持 Graph RAG（图谱增强检索）：

传统 RAG：文档 → 向量 → 相似度搜索
Graph RAG：文档 → 知识图谱 → 关系推理

优势：能回答跨文档的关联性问题
比如："A 公司和 B 公司有什么合作关系？"

配置：使用 Neo4j 作为图数据库，
在 Chatflow 中连接 Graph RAG 检索节点

<!-- 把 Flowise 聊天机器人嵌入到你的网站 -->
<script type="module">
  import Chatbot from 'https://cdn.jsdelivr.net/npm/flowise-embed/dist/web.js'
  Chatbot.init({
    chatflowid: '你的chatflow-id',  // Chatflow ID
    apiHost: 'http://localhost:3000',  // Flowise 地址
    theme: {
      button: {
        backgroundColor: '#3B81F6',  // 按钮颜色
      },
      chatWindow: {
        welcomeMessage: '你好！有什么可以帮你的？',  // 欢迎语
      }
    }
  })
</script>