Flowise: herramienta no-code de código abierto para construir flujos de trabajo LLM visualmente 114

Flowise es una herramienta de código abierto de bajo/sin código herramienta, diseñada principalmente para construir visualmente flujos de trabajo de LLM. A través de una interfaz de arrastrar y soltar, los usuarios pueden crear rápidamente aplicaciones LLM sin necesidad de escribir código complejo, admitiendo varios modos de flujo de trabajo (como Assistant, Chatflow, Agentflow) y una gran variedad de componentes (como modelos, plantillas de prompts, cadenas, etc.). Además, es compatible con múltiples modelos LLM, funciones de extensión e implementación en múltiples plataformas.

Características de Flowise

• Operación de bajo código/sin código: mediante una interfaz de arrastrar y soltar, los usuarios pueden crear rápidamente aplicaciones LLM sin escribir código complejo.

• Construcción visual: ofrece una interfaz gráfica intuitiva que admite el arrastre y la conexión de múltiples componentes (como modelos LLM, plantillas de prompts, cadenas, etc.).

• Soporte para múltiples modos de flujo de trabajo:

• Assistant: ideal para principiantes, permite crear asistentes de chat sencillos.

• Chatflow: se usa para construir sistemas de un solo agente y flujos LLM sencillos.

• Agentflow: admite sistemas multiagente más complejos y la orquestación de flujos de trabajo.

• Soporte integral de modelos: se integra sin problemas con cientos de LLM de código abierto o propietarios, compatible con HuggingFace, Ollama, Localai, entre otros.

• Amplias funciones de extensión: admite la integración con componentes como memoria, cargadores de datos, caché y moderación.

• Adecuado para desarrolladores: ofrece API, SDK y funciones de chat integrable, lo que facilita la extensión e integración por parte de los desarrolladores.

• Soporte multiplataforma: permite su ejecución en entornos locales y plataformas en la nube (como AWS, Azure, GCP).

Tutorial de uso de Flowise

Instalación

Instalación mediante Docker:

• Clonar el proyecto Flowise.

• Acceder a la carpeta docker del directorio raíz del proyecto.

• Copiar el archivo .env.example y renombrarlo a .env.

• Ejecutar docker compose up -d para iniciar el servicio.

• Acceder a http://localhost:3000 para utilizar Flowise.

Instalación mediante Node.js:

• Asegúrese de tener instalado Node.js (versión >= 18.15.0).

• Utilice el comando npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234 para iniciar Flowise.

• Acceder a http://localhost:3000 para utilizar Flowise.

Construcción de un flujo de trabajo

• Crear un nuevo flujo de trabajo: tras iniciar sesión en Flowise, haga clic en el botón "Add New" en la esquina superior derecha de la página para añadir un nuevo flujo de trabajo.

• Añadir componentes: seleccione los componentes necesarios (como modelos LLM, cadenas, plantillas de prompts, etc.) desde el panel de componentes de la izquierda y arrástrelos al lienzo.

• Conectar componentes: conecte el puerto de salida de un componente al puerto de entrada de otro para formar el flujo de trabajo.

• Configurar los parámetros de los componentes: rellene los parámetros necesarios en el panel de configuración del componente, como la clave API del LLM, el contenido de la plantilla de prompts, etc.

• Guardar y probar: tras guardar el flujo de trabajo, haga clic en el cuadro de diálogo de la esquina superior derecha para probarlo.

Ejemplos

• Chat bot: conectando un modelo de OpenAI, una plantilla de prompts y una cadena LLM, puede construir rápidamente un sencillo chatbot.

• Sistema de preguntas y respuestas: combinando cargadores de datos con componentes de recuperación, se puede construir un sistema de preguntas y respuestas basado en una base de conocimiento.

Arquitectura técnica

• Frontend: utiliza React + TypeScript, basado en ReactFlow para la visualización.

• Backend: emplea Node.js + Express, compatible con API RESTful y WebSocket.

• Esquema de implementación: admite implementación cloud-native con un solo clic mediante Docker + Kubernetes.

• Gestión de paquetes: utiliza pnpm workspace para la gestión de dependencias entre múltiples módulos.

• Generación de documentación: genera automáticamente documentación de la API mediante Swagger UI, lo que facilita a los desarrolladores la invocación e integración de la API.

Escenarios de aplicación

• Sistema de atención al cliente inteligente: se conecta a la base de conocimiento de la empresa y responde automáticamente a preguntas sobre productos.

• Asistente de revisión de contratos: analiza documentos legales y genera automáticamente informes de riesgos.

• Análisis de literatura científica: procesa artículos en lote y extrae los resultados clave de investigación.

• Sistema de reclutamiento inteligente: analiza automáticamente currículos y genera evaluaciones de candidatos.

Github:https://github.com/FlowiseAI/Flowise