拖放 UI 以构建您的定制 LLM 流程：
Flowise，一个用户友好的、无代码的平台，它简化了构建LangChain工作流的过程，允许开发人员创建LLM应用程序，而无需编写代码。
Flowise的关键特性，包括拖放式UI、用户友好性和多功能性。
通过直观的拖放界面简化LangChain流程开发
Flowise为开发人员提供了一个特殊的工具，旨在构建LLM应用程序，而无需深入研究编码。
对于努力以敏捷方式快速构建原型并开发LLM应用程序的组织来说，这同样是有益的。让我们来看看Flowise AI的一些突出功能:
，时长10:10
• 拖放式UI: Flowise使设计自己的自定义LLM流程变得简单。• 开源: 作为一个开源项目，Flowise可以自由使用和修改。• 用户友好: Flowise很容易上手，即使对那些没有编码经验的人也是如此。• 通用: Flowise AI可用于创建各种LLM应用程序。示例1: 构建基本LLM链遵循以下步骤:
1. 在空白画布上，单击”+ Add New”按钮以调出左侧的”Add Nodes”面板。2. 从“Add Nodes”面板中选择以下组件，它们将出现在画布上:• 从LLMs中将OpenAI拖到面板• 从Chains分类中拖出LLM chain• 从Promps分类中拖出Prompt Template现在，画布应该是这样的:
1. 连接组件• 将OpenAI的输出（output）链接到LLM Chain的语言模型（input）• 将Prompt Template的输出（output）链接到LLM Chain的Prompt（input）
1. 输入必要的信息• 在OpenAI的字段中输入OpenAI密钥• 将以下prompt模板写入“Prompt Template”的Template字段中:What is a good name for a company that makes {product }?• 给LLM Chain一个名字.• 单击右上角的“保存”图标进行保存.• 点击右上角的聊天图标，就可以开始发送“产品名称”了。在这里，我们得到了预期的答案.
示例2: 构建PDF阅读器Bot在之前的一篇博文中，我演示了如何使用LangFlow创建PDF Reader Bot。现在，让我们使用Flowise创建相同的机器人。
将以下组件添加到空白画布中:
• 从“Text Splitters”中选择“Recursive Character Text Splitter”（递归字符文本分割器）• 从“Document Loaders”中选择“PDF file”• 从“Embeddings”中选择“OpenAI Embeddings”• 从“Vector Stores”中选择“In-memory Vector Store”（内存向量存储）• 从“LLMs”中选择“OpenAI”• 从“Chains”中选择“Conversational Retrieval QA Chain”（对话检索QA Chain）现在我们在画布中拥有了所有必需的组件。
连接组件1. 链接“Recursive Character Text Splitter” 的输出和 “PDF file” 的输入2. 链接“PDF file” 的输出和 “In-memory Vector Store”的输入3. 链接“OpenAI Embeddings” 的输出和“In-memory Vector Store” 的输入4. 链接“In-memory Vector Store” 的输出和 “Conversational Retrieval QA Chain”的输入5. 链接“OpenAI” 的输出和 “Conversational Retrieval QA Chain” 的输入
输入必要的信息1. 点击“PDF File”中的“Upload File”，上传标题为“Introduction to AWS Security”的示例PDF文件。2. 在“OpenAI”和“OpenAIEmbeddings”字段中输入您的OpenAI密钥3. 单击“save”按钮，然后单击聊天按钮开始发送请求。
⚡ 快速入门下载并安装 NodeJS >= 18.15.0
1. 安装 Flowisenpm install -g flowise2. 启动 Flowisenpx flowise start使用用户名和密码npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=12343. 打开 http://localhost:3000 DockerDocker Compose1. 进入项目根目录下的 docker 文件夹2. 创建 .env 文件并指定 PORT（参考 .env.example）3. 运行 docker-compose up -d4. 打开 http://localhost:30005. 可以通过 docker-compose stop 停止容器Docker 镜像1. 本地构建镜像：docker build --no-cache -t flowise .2. 运行镜像：docker run -d --name flowise -p 3000:3000 flowise3. 停止镜像：docker stop flowise 开发者Flowise 在一个单一的代码库中有 3 个不同的模块。
• server：用于提供 API 逻辑的 Node 后端• ui：React 前端• components：第三方节点集成先决条件• 安装 PNPMnpm i -g pnpm设置1. 克隆仓库git clone https://github.com/FlowiseAI/Flowise.git2. 进入仓库文件夹cd Flowise3. 安装所有模块的依赖：pnpm install4. 构建所有代码：pnpm build5. 启动应用：pnpm start现在可以在 http://localhost:3000 访问应用6. 用于开发构建：任何代码更改都会自动重新加载应用程序，访问 http://localhost:8080• 在 packages/ui 中创建 .env 文件并指定 VITE_PORT（参考 .env.example）• 在 packages/server 中创建 .env 文件并指定 PORT（参考 .env.example）• 运行pnpm dev 认证要启用应用程序级身份验证，在 packages/server 的 .env 文件中添加 FLOWISE_USERNAME 和 FLOWISE_PASSWORD：
FLOWISE_USERNAME=userFLOWISE_PASSWORD=1234 环境变量Flowise 支持不同的环境变量来配置您的实例。您可以在 packages/server 文件夹中的 .env 文件中指定以下变量。了解更多信息，请阅读文档
文档[Flowise 文档]：(https://docs.flowiseai.com/)
自托管在您现有的基础设施中部署自托管的 Flowise，我们支持各种部署
• AWS• Azure• Digital Ocean• GCP— 完 —
