lang: zh slug: flowise title: ‘Flowise：使用 52K+ 星星以可视方式构建 AI 代理’ description: ‘Flowise 是一个用于 LLM 工作流程和 AI 代理的开源可视化构建器。与 LangChain、Ollama、OpenAI、Qdrant、Weaviate、Chroma 集成。涵盖 Docker 安装、生产强化、API 部署和诚实限制。’ tags: [“ai-agent”, “automation”, “guide”, “knowledge-base”, “llm”, “open-source”, “rag”, “reference”, “retrieval”, “tutorial”] date: 2026-05-19 00:00:00+08:00 lastmod: 2026-05-19 00:00:00+08:00 tech_stack: [] application_domain: Llm Frameworks source_version: ’' licensing_model: Open Source license_type: MIT file_size: ’' file_md5: ’' download_url: ’' backup_url: ’' github_repo: ‘https://github.com/FlowiseAI/Flowise' last_maintained: ‘2026-05-19’ draft: false categories: [’llm-frameworks’] featureImage: /images/articles/fc212908-flowise-build-agents-visually-with.png aliases:- /帖子/flowise/

/resources/ai-tools/flowise-ai-workflow-builder-lowcode/
/posts/flowise-ai-workflow-builder-lowcode/ 常见问题解答：
q：“Flowise 是什么？” a：“Flowise 是一个开源的拖放式可视化构建器，用于在基于节点的画布上创建 LLM 工作流程和 AI 代理，构建于 LangChain 之上。它支持超过 200 个 LangChain 集成，包括 OpenAI、Anthropic、Ollama、Qdrant、Weaviate 和 Chroma，并在 MIT 许可下发布。
q: ‘如何在没有 Node.js 的情况下安装 Flowise？’ a: ‘使用 Docker。官方的 flowiseai/flowise 镜像捆绑了所有依赖项，因此单个 docker run 命令即可让您运行，而无需在主机上安装 Node.js、pnpm 或任何构建工具。启动容器后访问 http://localhost:3000。
q：“Flowise 可以开设 Llama 或 Qwen 等本地法学硕士吗？” ‘是的。 Flowise 与 Ollama 具有本机集成。启动 Ollama 实例，拉取 llama3.1:8b 或 qwen2:7b 等模型，然后在画布中选择 ChatOllama 节点。数据永远不会离开您的服务器，并且不需要 API 密钥。”
q：“在生产环境中运行 Flowise 的最低服务器规格是多少？” a：“具有 1 个 vCPU 和 1 GB RAM 的每月 5 美元的 VPS 使用默认的 SQLite 后端处理中小型工作负载。对于使用 PostgreSQL 和并发用户的生产，请分配 2 个 vCPU 和 4 GB RAM。 Flowise 容器本身在空闲时使用大约 180 MB。
问：“Flowise 可以免费用于商业用途吗？” ‘是的。 Flowise 是在 MIT 许可证下发布的，因此您可以自行托管、修改它、将其嵌入到商业产品中以及销售基于其构建的服务，而无需支付许可费用。可选的云托管版本的付费等级为每月 35 美元起。特征图片：/images/articles/dify-vs-flowise-in-2026-full-stack-ai-ap-2f46f9.jpg——{{< 资源信息 >}} Superagent：使用 1 个 CLI 命令将 AI 代理部署到生产环境 • Haystack 2026：用于生产 RAG 和代理管道的端到端 NLP 框架\u2014 设置指南＃＃介绍构建 LLM 支持的应用程序过去意味着编写数百行 Python 将模型、向量存储、检索链和内存模块连接在一起。然后 Flowise 到来并改变了规则。 Flowise 拥有 52,948 名 GitHub 明星和蓬勃发展的社区，是一款开源可视化构建器，可让您通过在画布上拖放和连接节点来构建 AI 代理和 RAG 管道 - 无需任何代码。无论您是设计客户支持聊天机器人原型还是在 5 美元的 VPS 上部署文档问答系统，本指南都会引导您在五分钟内完成从零到部署的生产级 Flowise 设置。## Flowise 是什么？Flowise 是一个开源的拖放式可视化构建器，用于在底层使用 LangChain 创建 LLM 工作流程和 AI 代理。它提供了一个基于节点的画布，其中每个组件（聊天模型、嵌入、向量存储、工具、代理和链）都表示为连接以形成可执行管道的节点。 Flowise 支持超过 200 个 LangChain 集成，包括 OpenAI、Anthropic、Ollama、Qdrant、Weaviate 和 Chroma，使其成为集成最丰富的视觉 AI 构建器之一。## Flowise 的工作原理Flowise 基于模块化架构构建，可将视觉节点直接映射到 LangChain 类。了解此架构有助于您构建更复杂的流程并更快地调试问题。

Flowise 视觉画布显示连接的 LLM 节点 — 每个节点映射到一个 LangChain 类![流动画布演示](https://docs.flowiseai.com/~gitbook/image?url=https%3A%2F%2F823733684-files.gitbook.io%2F%7E%2Ffiles%2Fv0%2Fb%2Fgitbook-x-prod.appspot.com%2Fo%2Fspaces%252F00tYLwhz5RyR 7fJEhrWy%252Fuploads%252FDOgMs2ywc1bdE09oa10c%252FFlowiseIntro.gif%3Falt%3Dmedia%26toke n%3D55bbcbc6-e586-4a79-8923-20c2b39e7bf9&宽度=768&dpr=3&质量=100&sign=c6ac7b1&sv=2) Flowise 拖放界面的实际应用 — 无需编写代码即可构建 RAG 管道### 核心组件1. 聊天模型 — LLM 引擎（OpenAI GPT-4o、Claude、Ollama 本地模型、Hugging Face、Bedrock、Gemini）

Embeddings — 将文本转换为向量以进行语义搜索（OpenAI、HuggingFace、Cohere）
矢量存储 - 保留嵌入以进行检索（Chroma、Qdrant、Weaviate、Pinecone、pgvector）
文档加载器 — 从 PDF、网页、文本文件、Notion、Confluence 中提取数据
链 - 编排多步骤LLM操作（对话式检索QA、LLM链）
代理 - 动态选择工具的自主推理系统（ReAct、OpenAI Functions）
内存 — 跨轮维护对话上下文（缓冲区内存、窗口缓冲区、Redis 支持）### 三种构建器模式Flowise 提供三种不同的视觉构建器：- 助手 — 适合初学者的聊天机器人构建器，支持 RAG。上传文档、配置响应并部署。

Chatflow — 基于节点的完整画布，用于构建自定义对话式 AI，并对每个组件进行显式控制。
Agentflow — 具有条件逻辑、循环、工具调用和人机交互批准的多步骤代理工作流程。您构建的每个流程都会自动公开 REST API 端点和可嵌入的聊天小部件，从而使部署成为一键式操作。## 安装和设置您有四种方法来安装 Flowise。每个都适合不同的环境和技能水平。### 选项 1：NPM（本地开发速度最快）需要 Node.js v18.15.0 或 v20+。这是从安装到运行画布的最快路径。```` bas h

全局安装 Flowise #

npm 安装-g flowise

或者安装特定版本 #

npm install -g flowise@3.1.2

启动 Flowise #

npx flowise 启动 在浏览器中打开“http://localhost:3000”。第一次启动会自动在“~/.flowise”创建一个 SQLite 数据库。### 选项 2：Docker（推荐用于生产）这是最可靠的部署路径。 Flowise 在 Docker Hub 上提供具有多架构支持的官方镜像。 bas h

拉取并运行官方镜像 #

docker run -d -p 3000:3000
–name flowise
-e FLOWISE_USERNAME=管理员
-e FLOWISE_PASSWORD=secure-pa``` bas h

拉取并运行官方镜像 #

docker run -d -p 3000:3000
–name flowise
-e FLOWISE_USERNAME=管理员
-e FLOWISE_PASSWORD=安全密码
Flowiseai/Flowise：最新 ``` 部署，使用 Docker Compose 与 PostgreSQL 和卷挂载。```` yam l

docker-compose.yml #

版本：‘3.8’ 服务：流畅：图片：flowiseai/flowise：最新端口：

“3000:3000” 环境：
端口=3000
DATABASE_TYPE=postgres
DATABASE_HOST=postgres
数据库端口=5432
DATABASE_NAME=flowise
DATABASE_USER=flowise
DATABASE_P``` yam l

docker-compose.yml #

版本：‘3.8’ 服务：流畅：图片：flowiseai/flowise：最新端口：

“3000:3000” 环境：
端口=3000
DATABASE_TYPE=postgres
DATABASE_HOST=postgres
数据库端口=5432
DATABASE_NAME=flowise
DATABASE_USER=flowise
DATABASE_PASSWORD=${DB_PASSWORD:-changeme}
FLOWISE_USERNAME=${FLOWISE_USER:-admin}
FLOWISE_PASSWORD=${FLOWISE_PASS:-changeme}
SECRETKEY_PATH=/root/.flowise
JWT_AUTH_TOKEN_SECRET=${JWT_SECRET:-random-secret-change-in-prod}
JWT_REFRESH_TOKEN_SECRET=${JWT_REFRESH:-另一个随机秘密} 卷：
flowise_data:/root/.flowise 取决于：
postgres 重新启动：除非停止

postgres：图片：postgres：16-alpine 环境：

POSTGRES_USER=流动
POSTGRES_PASSWORD=${DB_PASSWORD:-changeme}
POSTGRES_DB=流动卷：
postgres_data:/var/lib/postgresql/data 重新启动：除非停止

卷：流动数据： postgres_数据： ``回购协议 git 克隆 https://github.com/FlowiseAI/Flowise.git cd Flowise/docker# 复制环境模板 cp .env.example .env# 使用您的设置编辑 .env 纳米环境

DigitalOcea
n
部署的示例“.env”：````
bas
h
端口=3000
DATABASE_TYPE=sqlite
DATABASE_PATH=/root/.flowise
SECRETKEY_PATH=/root/.flowise
LOG_PATH=/root/.flowise/logs
BLOB_STORAGE_PATH=/root/.flowise/storage
FLOWISE_USERNAME=管理员
FLOWISE_PASSWORD=您的安全密码-此处
JWT_AUTH_TOKEN_SECRET=$(openssl rand -hex 32)
JWT_REFRESH_TOKEN_SECRET=$(openssl rand -hex 32)
````启动服务：````
bas
h
docker 组成-d
````*附属披露：上面的 DigitalOcean 链接是附属链接。 我们可以赚取佣金，而无需您支付额外费用。 我们只推荐我们自己使用的基础设施。*### 环境变量参考| 变量| 描述 | 默认 |
|----------|-------------|---------|
| `端口` | HTTP 服务器端口 | 3000 | 3000
| `数据库类型` | 数据库引擎（sqlite、postgres）| sqlite |
| `DATABASE_PATH` | SQLite 文件路径 | ~/.flowise |
| `FLOWISE_USERNA```
bas
h
docker 组成-d
```
WISE
_PASSWORD` | 管理员密码 | — |
| `JWT_AUTH_TOKEN_SECRET` | 访问令牌秘密 | 自动生成 |
| `JWT_REFRESH_TOKEN_SECRET` | 刷新令牌秘密 | 自动bash
# 在新的 Ubuntu 24.04 Droplet 上（2 个 vCPU / 2GB RAM / 12 美元/月）
apt update && apt install -y docker.io docker-compose

# 克隆 Flowise 存储库
git 克隆 https://github.com/FlowiseAI/Flowise.git
cd Flowise/docker

# 复制环境模板
cp .env.example .env

# 使用您的设置编辑 .env
纳米环境
流程中的 ```
hatOpenAI
` 节点。````
bas
h
# 添加 OpenAI API 密钥作为环境变量（可选但推荐）
导出 OPENAI_API_KEY=sk-your-key-here
````### Ollama（本地法学硕士）使用 Ollama 运行本地模型可以消除 API 成本并将数据保留在本地。 此设置非常适合隐私敏感的部署。````
yam
l
# docker-compose-ollama.yml
已经重击了
端口=3000
DATABASE_TYPE=sqlite
DATABASE_PATH=/root/.flowise
SECRETKEY_PATH=/root/.flowise
LOG_PATH=/root/.flowise/logs
BLOB_STORAGE_PATH=/root/.flowise/storage
FLOWISE_USERNAME=管理员
FLOWISE_PASSWORD=您的安全密码-此处
JWT_AUTH_TOKEN_SECRET=$(openssl rand -hex 32)
JWT_REFRESH_TOKEN_SECRET=$(openssl rand -hex 32)
``` 取决于：
- 乌拉马
重新启动：除非停止卷：
ollama_数据：
````拉取模型并开始使用它：````
bas
h
# 拉出一个轻量级模型进行测试
docker exec -it ollama ollama pull qwen2:7b# 或者拉骆驼 3
docker exec -it ollama ollama 拉 llama3.1:8b
````在
Flowise 画布中，选择 `ChatOllama` 节点并设置 mod```
bas
h
docker 组成-d
```.1:8b`。### 色度矢量存储（RAG 设置）对于生产 RAG 管道，Chroma 提供了可与 Flowise 无缝协作的轻量级矢量数据库。````
yam
l
# 添加到 docker-compose.yml
色度：
图片：chromadb/chroma：最新
端口：
- “8000:8000”
卷：
- 色度数据：/色度/色度
重新启动：除非停止
````在
Flowise 中构建 RAG 管道：1. 拖动 **PDF Loader** 或 **Text File** 节点
2. 连接到 **Text Splitter** 节点（将块大小设置为 1000，重叠设置为 200）
3. 连接到 **OpenAI Embeddings**（或 **Ollama Embeddings**）节点
4. 连接到 **Chroma** 矢量存储节点
5.添加**会话检索QA链**节点
6. 将**聊天模型**（ChatOpenAI 或 ChatOllama）连接到链上
7. 单击“**保存**”和“**运行**”### Qdrant（可扩展矢量搜索）对于具有混合搜索的高吞吐量 RAG，Qdrant 的性能优于内存存储。````
yam
l
# 将 Qdrant 添加到您的撰写文件中
qdrant：
图片：qdrant/qdrant：最新
端口：
- “6333:6333”
- “6334:6334”
vo````
bas
h
# 添加 OpenAI API 密钥作为环境变量（可选但推荐）
导出 OPENAI_API_KEY=sk-your-key-here
``` 与主机`http://qdrant:6333`。### Weaviate（企业向量数据库）````
yam
l
编织：
图片：semitechnologies/weaviate：最新
端口：
- “8080:8080”
环境：
QUERY_DEFAULTS_LIMIT：25
AUTHENTICATION_ANONYMOUS_ACCESS_ENABLED：“真”

yam l

docker-compose-ollama.yml #

版本：‘3.8’ 服务：乌拉马：图片：ollama/ollama：最新端口：

“11434:11434” 卷：
ollama_data:/root/.ollama 重新启动：除非停止

流畅：图片：flowiseai/flowise：最新端口：

“3000:3000” 环境：
端口=3000
OLLAMA_BASE_URL=http://ollama:11434 取决于：
乌拉马重新启动：除非停止

卷： ollama_数据：

“会话ID”：“用户_001”
}
}'
````回复：```
jso
n
{
"text": "根据我们的文档，退货政策允许在购买后 30 天内凭原始收据退货。",
“源文件”：[
{
"pageContent": "购买后 30 天内接受退货...",
“元数据”：{“来源”：“return-policy.pdf”，“页面”：3}
}
]
}

Pytho n SDK 示例：````蟒蛇导入请求FLOWISE_API = “http://localhost:30``` bas h

拉出一个轻量级模型进行测试 #

docker exec -it ollama ollama pull qwen2:7b

或者拉骆驼 3 #

docker exec -it ollama ollama 拉 llama3.1:8b

o
n
"overrideConfig": {"sessionId": session_id}
})
返回 resp.json()["text"]答案=询问（“您的运输选择是什么？”）
打印（答案）
````### 嵌入网站Flowise 为任何聊天流生成 JavaScript 嵌入片段。 该小部件支持自定义主题、头像、入门提示和多语言欢迎消息。![Flowise 嵌入小部件](https://raw.githubusercontent.com/Flowise```
yam
l
# 添加到 docker-compose.yml
色度：
图片：chromadb/chroma：最新
端口：
- “8000:8000”
卷：
- 色度数据：/色度/色度
重新启动：除非停止

htm l <脚本类型=“模块”> 从“https://cdn.jsdelivr.net/npm/flowise-embed/dist/web.js”导入聊天机器人；聊天机器人.init({ chatflowid: ‘您的聊天流 ID’, apiHost: ‘https://your-flowise-server.com’, 主题：{ 按钮：{ 背景颜色: ‘#3B81F6’, 右：20，底部：20，尺寸：“中号” }, 聊天窗口：{ 标题：“支持助理”，欢迎留言：‘您好！今天我能为您提供什么帮助吗？’, 背景颜色: ‘#ffffff’, 身高：700，宽度：400 } } }); </脚本>

|------```
yam
l
# 将 Qdrant 添加到您的撰写文件中
qdrant：
图片：qdrant/qdrant：最新
端口：
- “6333:6333”
- “6334:6334”
卷：
- qdrant_data:/qdrant/存储
重新启动：除非停止
``rrent 用户 | 50-200 | SQLite 后端； 使用 PostgreSQL 了解更多 |
| 内存使用情况（空闲）| 〜180 MB | 单个集装箱 |
| 内存使用情况（活动）| 300-600 MB | 取决于型号和环境 |
| 流量建立时间 (RAG) | 10-15 分钟 | 从空白画布到工作聊天机器人 |
| 最低 VPS 规格 | 1 个 vCPU / 1 GB RAM | 4-5 美元/月 VPS 有效 |
| P````
yam
l
编织：
图片：semitechnologies/weaviate：最新
端口：
- “8080:8080”
环境：
QUERY_DEFAULTS_LIMIT：25
AUTHENTICATION_ANONYMOUS_ACCESS_ENABLED：“真”
PERSISTENCE_DATA_PATH: '/var/lib/weaviate'
卷：
- weaviate_data:/var/lib/weaviate
重新启动：除非停止
````| 拖放画布 | 以应用程序为中心的用户界面 | 工作流程编辑器 | 仅代码 |
| 主要用例| LLM 聊天机器人和 RAG | 全栈人工智能应用程序 | 工作流程自动化 | 代码优先 SDK |
| 浪链原生 | 是（直接映射）| 自定义抽象| 通过AI节点| 这是浪链 |
| 法学硕士支持| 200+（均为浪链）| 50+ | 70+人工智能节点 | 所有提供商 |
| 矢量商店| Chroma、Qdrant、Weaviate、Pinecone、pgvector | 内置知识库 |```
bas
h
# 使用curl测试您部署的流程
curl -X POST "http://localhost:3000/api/v1/prediction/your-chatflow-id" \
-H“内容类型：application/json”\
-d'{
"question": "退货政策是什么？",
“覆盖配置”：{
“会话ID”：“用户_001”
}
}'
``ent 工作流程 | 代理流（顺序）| 工作流程编排| 是（带有 AI 节点）| 郎图|
| 调度/触发器| 有限公司| 有限公司| 完整（cron、webhook）| 手册|
| 自托管复杂性 | 低（1 容器）| 中型（多服务）| 低-中 | 不适用（图书馆）|
| 最小```
jso
n
{
"text": "根据我们的文档，退货政策允许在购买后 30 天内凭原始收据退货。",
“源文件”：[
{
"pageContent": "购买后 30 天内接受退货...",
“元数据”：{“来源”：“return-policy.pdf”，“页面”：3}
}
]
}
```
at
h
具有完整的 LangChain 兼容性。 
- **Dify**：当您需要具有内置知识管理、及时版本控制和团队协作的全栈人工智能应用程序平台时选择。 
- **n8n**：当您的 AI 代理成为具有 400 多个 SaaS 集成、调度和错误处理的更广泛自动化管道的一部分时，请选择。 
- **郎```蟒蛇
导入请求

FLOWISE_API =“http://localhost:3000/api/v1/prediction/your-chatflow-id”

def Ask（问题，session_id =“user_001”）：
resp = requests.post(FLOWISE_API, json={
“问题”：问题，
“overrideConfig”：{“sessionId”：session_id}
})
返回 resp.json()["text"]

答案=询问（“您的运输选择是什么？”）
打印（答案）
````克雷特斯
JWT_AUTH_TOKEN_SECRET=$(openssl rand -hex 64)
JWT_REFRESH_TOKEN_SECRET=$(openssl rand -hex 64)# 3. 使用反向代理在 HTTPS 后面运行
# Nginx 配置片段：
服务器{
监听 443 ssl http2;
服务器名称 flowise.yourdomain.com；ssl_certificate /path/to/cert.pem;
ssl_certificate_key /path/to/key.pem;地点/{
proxy_pass http://localhost:3000;
proxy_http_版本 1.1；
proxy_set_header 升级 $http_upgrade;
proxy_set_header 连接“升级”；
proxy_set_header 主机 $host;
proxy_set_header X-真实IP $remote_addr;
}
}# 4. 如果需要，禁用遥测
DISABLE_FLOWISE_TELEMETRY=true# 5. 为嵌入小部件设置 CORS
CORS_ORIGINS=https://yourdomain.com,https://app.yourdomain.com
````### 使用队列模式进行扩展F````
htm
l
<脚本类型=“模块”>
从“https://cdn.jsdelivr.net/npm/flowise-embed/dist/web.js”导入聊天机器人；
聊天机器人.init({
chatflowid: '您的聊天流 ID',
apiHost: 'https://your-flowise-server.com',
主题：{
按钮：{
背景颜色: '#3B81F6',
右：20，
底部：20，
尺寸：“中号”
},
聊天窗口：{
标题：“支持助理”，
欢迎留言：'您好！ 今天我能为您提供什么帮助吗？',
背景颜色: '#ffffff',
身高：700，
宽度：400
}
}
});
</脚本>
``redis:6379
重新启动：除非停止
````水平缩放工人：````
bas
h
docker compose -f docker-compose-queue.yml up -d --scale flowise-worker=3
````### 备份策略````
bas
h
# 备份SQLite数据库
docker exec flowise tar czf /tmp/backup.tar.gz /root/.flowise
docker cp flowise:/tmp/backup.tar.gz ./flowise-backup-$(date +%Y%m%d).tar.gz# 备份 PostgreSQL
docker exec flowise-postgres pg_dump -U flowise flowise > flowise-db-$(date +%Y%m%d).sql# 通过 cron 自动每日备份（添加到 crontab）
0 2 * * * /usr/local/bin/backup-flowise.sh >> /var/log/flowise-backup.log 2>&1
````### 使用 Docker 进行监控````
bas
h
# 查看实时日志
docker compose 日志 -f flowise# 检查资源使用情况
docker 统计信息流# 健康检查端点
卷曲 http://localhost:3000/api/v1/ping
````## 局限性/诚实评估Flowise 并不是适合每个人工智能项目的工具。 这是它做得不好的地方：1. **复杂的多代理编排**：Flowise Agentflow 支持顺序代理，但循环多代理模式（如 LangGraph 或 AutoGen 中的模式）需要解决方法。 构建研究代理或辩论式多代理系统的团队应该直接考虑 LangGraph。2. **非聊天工作流程**：Flowise 针对对话式 AI 进行了优化。 批处理文档处理、ETL 管道或计划数据转换最好由 n8n 或 Python 脚本处理。3. **版本控制**：视觉流程不能像代码那样在 Git 中进行区分。 大型团队之间的协作需要遵守有关手动导出 JSON 流定义和版本控制的规则。4. **高级调试**：虽然 Flowise 显示执行日志，但它缺乏 Dify 本身提供的节点级计时故障和令牌使用跟踪。 调试复杂的检索失败需要读取原始日志。5. **企业治理**：RBAC 存在于专业级中，但审计跟踪、合规框架（ISO 42001、欧盟人工智能法案）和车队管理并不是一流的功能。 受监管的行业可能需要额外的治理层。6. **LangChain 依赖**：Flowise 继承了 LangChain 的局限性。 如果 LangChain 放弃对某个模型的支持或引入重大更改，Flowise 也会跟进。 这种耦合对于LangChain用户来说是一个特性，对于其他人来说也是一个约束。## 常见问题### 如何在没有 Node.js 的服务器上安装 Flowise？使用 Docker。 官方的“flowiseai/flowise”镜像捆绑了所有依赖项。 只需一个“docker run”命令即可运行，无需在主机上安装 Node.js、pnpm 或任何构建工具。### Flowise 可以与 Llama 或 Qwen 等本地法学硕士合作吗？是的。 Flowise 与 Ollama 具有本机集成。 启动 Ollama 容器（或本地实例），拉取任何 GGUF 模型，然后在 Flowise 画布中选择“ChatOllama”节点。 您的数据永远不会离开您的服务器——无需 API 密钥。### 在构建 RAG 聊天机器人方面，Flowise 与 Dify 相比如何？Flowise 的设置速度更快（一个容器，无需数据库），并让您可以明确控制每个 LangChain 组件。 Dify 拥有更精致的知识库 UI，具有自动分块和更好的调试功能。 选择 Flowise 以获得速度和 LangChain 兼容性； 选择 Dify 进行团队协作和内置知识管理。### Flowise 可以免费用于商业用途吗？是的。 Flowise 是在 MIT 许可下发布的。 您可以自行托管、修改它、将其嵌入到商业产品中，以及销售基于它的服务——所有这些都无需支付许可费。 重击
# 1. 启用身份验证（必需）
FLOWISE_USERNAME=管理员
FLOWISE_PASSWORD=$(openssl rand -base64 24)

# 2. 设置强 JWT 秘密
JWT_AUTH_TOKEN_SECRET=$(openssl rand -hex 64)
JWT_REFRESH_TOKEN_SECRET=$(openssl rand -hex 64)

# 3. 使用反向代理在 HTTPS 后面运行
# Nginx 配置片段：
服务器{
监听 443 ssl http2;
服务器名称 flowise.yourdomain.com；

ssl_certificate /path/to/cert.pem;
ssl_certificate_key /path/to/key.pem;

地点/{
proxy_pass http://localhost:3000;
proxy_http_版本 1.1；
proxy_set_header 升级 $http_upgrade;
proxy_set_header 连接“升级”；
proxy_set_header 主机 $host;
proxy_set_header X-真实IP $remote_addr;
}
}

# 4. 如果需要，禁用遥测
DISABLE_FLOWISE_TELEMETRY=true

# 5. 为嵌入小部件设置 CORS
CORS_ORIGINS=https://yourdomain.com,https://app.yourdomain.com
```
g
flowise`。 升级前请务必备份“~/.flowise”目录。### 自托管注意事项在您自己的 VPS 上运行这个吗？ 尝试 DigitalOcean with $200 free Credit
 — 足以进行 2 个月的适度自托管，以无风险地测试设置。 最适合中低流量； 当你不再需要它时，就可以扩展为专用。＃＃ 结论Flowise 消除了想法和部署的人工智能代理之间的障碍。 拥有 52,948 个 GitHub star、MIT 许可以及直接映射到 LangChain 组件模型的可视化画布，对于想要在不编写样板代码的情况下发布 LLM 支持的聊天机器人和 RAG 系统的开发人员来说，它是一个务实的选择。从本地原型的“npx flowise start”开始。 迁移到 Docker Compose 和 PostgreSQL 进行生产。 连接 Ollama 实现完全私有、无 API 密钥的部署。 当您需要扩展时，请添加 Redis 队列工作线程和水平工作线程副本。**本周的行动项目：**
1. 使用 Docker 在本地部署 Flowise (`docker run -p 3000:3```
yam
l
# docker-compose-queue.yml
版本：'3.8'
服务：
雷迪斯：
图片：redis:alpine
重新启动：除非停止

流畅：
图片：flowiseai/flowise：最新
端口：
- “3000:3000”
环境：
- 端口=3000
- QUEUE_NAME=流动队列
- QUEUE_REDIS_URL=redis://redis:6379
重新启动：除非停止

流动工人：
图片：flowiseai/flowise-worker：最新
环境：
- QUEUE_NAME=流动队列
- QUEUE_REDIS_URL=redis://redis:6379
重新启动：除非停止
```" >}}** — 跨越 14 个以上全球区域的 60 天 200 美元免费赠金。运行开源 AI 工具的独立开发者的默认选项。
- **{< aff "htstack" "footer-cta-legacy" "HTStack" >}}** — 从中国大陆低延迟访问的香港 VPS。 这与托管 dibi8.com 的 IDC 是同一个 IDC——在生产中经过了实际考验。*附属链接 - 它们不会花费您额外的费用，并且有助于保持 dibi8.com 的运行。*## 资料来源和进一步阅读1. [Flowise 官方文档](https://docs.flowiseai.com/) — 安装、配置``bash 的完整文档
docker compose -f docker-compose-queue.yml up -d --scale flowise-worker=3
```
wise
) — 源代码、问题和版本
3. [Flowise 云定价](https://flowiseai.com/pricing) ```
bas
h
# 备份SQLite数据库
docker exec flowise tar czf /tmp/backup.tar.gz /root/.flowise
docker cp flowise:/tmp/backup.tar.gz ./flowise-backup-$(date +%Y%m%d).tar.gz

# 备份 PostgreSQL
docker exec flowise-postgres pg_dump -U flowise flowise > flowise-db-$(date +%Y%m%d).sql

# 通过 cron 自动每日备份（添加到 crontab）
0 2 * * * /usr/local/bin/backup-flowise.sh >> /var/log/flowise-backup.log 2>&1
``生产
8. [Flowise 与 Dify 比较](https://toolhalla.ai/blog/dify-vs-flowise-vs-langflow-2026) — ToolHalla 的详细对比
9. [Flowise Embed Widget 文档](https://www.npmjs.com/package/flowise-embed) — 用于嵌入聊天机器人的 NPM 包
10. [DigitalOcean Docker 部署指南](https://www.digitalocean.com/community/tutorials/how-to-install-and-use-docker-on-ubuntu-24-04?refcode=eca87ac14ee0) — Ubuntu``bash 的 Docker 设置
# 查看实时日志
docker compose 日志 -f flowise

# 检查资源使用情况
docker 统计信息流

# 健康检查端点
卷曲 http://localhost:3000/api/v1/ping
```
ama
](https://github.com/ollama/ollama)
- [色度](https://github.com/chroma-core/chroma)
- [Qdrant](https://github.com/qdrant/qdrant)
- [Weaviate](https://github.com/weaviate/weaviate)
- [Dify](https://github.com/langgenius/dify)
- [n8n](https://github.com/n8n-io/n8n)
- [flowise-embed](https://www.npmjs.com/package/flowise-embed)

bas h docker pull flowiseai/flowise:最新 docker 组成-d

或者安装特定版本 #

启动 Flowise #

拉取并运行官方镜像 #

拉取并运行官方镜像 #

docker-compose.yml #

docker-compose.yml #

docker-compose-ollama.yml #

拉出一个轻量级模型进行测试 #

或者拉骆驼 3 #

🔗 相关资源推荐

💬 留言讨论