Flowise:可视化 LLM 操作流程引擎 2026 版

Flowise 是 n8n 的 clone,专注 LLM 流程。通过拖拽构建 RAG、聊天机器人、数据管道。

  • ⭐ 11000
  • Node.js
  • React
  • TypeScript
  • MIT
  • 更新于 2026-05-18

什么是 Flowise? #

Flowise 是 n8n 的 LLM 优化版。通过「拖拽」构建 RAG、聊天机器人、数据管道。可视化流程引擎。

安装 #

NPM 安装 #

npm install -g flowise
flowise start

Docker 部署 #

docker run -d -p 3000:3000 flowise/flowise

界面功能 #

工作区 #

  • 拖拽式节点设计
  • 实时预览
  • 参数配置面板
  • 执行日志

节点类型 #

类别节点
LLMOpenAI、Anthropic、Ollama
向量Chroma、Pinecone、Weaviate
文档PDF、TXT、HTML 加载
检索RAG 检索、相似度搜索
输出对话框、表格、JSON

构建 RAG #

基本流程 #

文档加载 → 文本分割 → 向量化 → 存储
                          ↓
用户查询 ← 检索 ← 向量搜索 ← LLM 重写

步骤配置 #

  1. 文档加载器:选择 PDF/HTML/文本
  2. 分割器:设置 chunk_size=1000
  3. 嵌入模型:选择 text-embedding-3-small
  4. 向量存储:配置 Chroma 或 Pinecone
  5. LLM:选择 gpt-4
  6. 提示模板:编写 RAG prompt

自定义节点 #

创建节点 #

// my-custom-node.js
module.exports = {
    name: "CustomNode",
    category: "transform",
    component: {
        template: `
            <el-form-item label="输入">
                <el-input v-model="json.parameters.input"/>
            </el-form-item>
        `,
        methods: {
            async run() {
                const result = await customAPI(this.json.parameters.input);
                return { output: result };
            }
        }
    }
}

注册节点 #

# 添加到 ~/.flowise/custom-nodes/
flowise restart

API 集成 #

REST API #

# 执行工作流
curl -X POST http://localhost:3000/api/v1/flow/execute \
  -H "Content-Type: application/json" \
  -d '{"flowId": "my-flow", "input": {"question": "什么是 AI?"}}'

Webhook 触发 #

# 接收外部 webhook
POST /api/v1/flow/webhook/{flowId}

部署配置 #

环境变量 #

# LLM 配置
OPENAI_API_KEY=sk-xxx
ANTHROPIC_API_KEY=sk-xxx

# 向量存储
PINECONE_API_KEY=xxx
CHROMA_SERVER_HOST=localhost

生产部署 #

# docker-compose.yml
version: "3.8"
services:
  flowise:
    image: flowise/flowise
    ports:
      - "3000:3000"
    env_file: .env
    volumes:
      - ./data:/home/node/app/data

监控与调试 #

执行日志 #

# 查看日志
docker logs flowise-flowise-1

# 实时监控
tail -f logs/flowise.log

性能指标 #

  • 节点执行时间:每个节点的耗时
  • 总体耗时:完整流程耗时
  • 内存使用:Node.js 堆内存

常见问题 #

Q: Flowise 支持中文吗?

答:支持。界面和模型都能处理中文。

Q: 如何备份工作流?

答:点击「导出」生成 JSON 文件。恢复时「导入」即可。

Q: 能否离线运行?

答:可以。下载模型后离线使用。

总结 #

Flowise 用「拖拽构建」LLM 应用。从 RAG 到聊天机器人,无需写代码。


参考:flowiseai.com 更新:2026-05-18

💬 留言讨论