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 |
|---|---|
| LLM | OpenAI、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 #
- 文档加载器:选择 PDF/HTML/文本
- 分割器:设置 chunk_size=1000
- 嵌入模型:选择 text-embedding-3-small
- 向量存储:配置 Chroma 或 Pinecone
- LLM:选择 gpt-4
- 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