Flowise

开源的拖拽式 LLM 应用构建工具，支持聊天流、Agent 与工具调用编排，可自托管并导出为 API。

Flowise 是一个开源的低代码平台，专门用于构建基于大语言模型（LLM）的应用程序。它的核心价值在于将复杂的 AI 工作流（如对话、工具调用、数据检索）可视化，通过拖拽节点的方式完成编排，并支持一键导出为 API 或嵌入现有系统。

核心能力

• 可视化流程编排

通过画布拖拽 LLM、提示词模板、知识库检索、条件分支等节点，无需编写大量胶水代码即可串联完整逻辑。支持实时调试，可单独运行某个节点查看输入输出。

• Agent 与工具调用

内置 Agent 节点，可配置 ReAct 或 Function Calling 模式，并挂载自定义工具（如搜索、计算器、数据库查询）。工具可通过 Python/JS 代码片段或 OpenAPI 规范接入。

• 多渠道部署与导出

流程构建完成后，可导出为 RESTful API（自动生成 Swagger 文档），或直接嵌入网页弹窗、Slack、Discord 等渠道。支持 Docker 一键自托管，数据完全私有。

• 模型与数据源灵活性

兼容 OpenAI、Azure OpenAI、Llama 2、ChatGPT 等主流模型，同时支持 Pinecone、Weaviate、Chroma 等向量数据库，以及 PDF、TXT、CSV 等文件解析。

适用场景

| 场景 | 典型用法 |

| --- | --- |

| 客服机器人 | 基于知识库的问答，支持多轮对话与上下文记忆 |

| 内部效率工具 | 自动生成周报、合同审查、SQL 查询转自然语言 |

| 原型验证 | 快速搭建 LLM 应用 Demo，验证业务逻辑后再投入开发 |

| 私有化部署 | 对数据安全要求高的企业，在本地或 VPC 内运行 |

与其他工具对比

• vs. LangChain：Flowise 提供可视化界面，LangChain 是代码库。Flowise 底层封装了 LangChain 组件，适合非深度开发人员；若需高度自定义逻辑，仍建议直接使用 LangChain。
• vs. Dify：两者均支持拖拽，但 Flowise 更偏向开发者（支持自定义代码节点、API 导出），Dify 更侧重运营侧（自带数据集管理、日志分析）。

快速上手建议

1. 使用官方 npx flowise start 或 Docker 镜像启动本地实例
2. 从模板市场导入一个“聊天机器人”模板，熟悉节点连接方式
3. 尝试修改提示词节点，观察响应变化，再逐步加入检索或工具节点
4. 生产环境部署时，建议配置 PostgreSQL 作为存储后端，并设置 API 密钥访问限制

Flowise 适合需要快速迭代 AI 功能、但又不希望从零搭建前后端链路的团队。它的开源属性允许二次开发，社区插件覆盖了大多数常见需求。若你的项目需要深度定制模型逻辑或极高性能要求，仍需评估代码级方案。

常见问题

Flowise 是什么？

开源的拖拽式 LLM 应用构建工具，支持聊天流、Agent 与工具调用编排，可自托管并导出为 API。

Flowise 的官方网站是什么？

Flowise 的官方网站是 https://flowiseai.com，可直接在浏览器中打开使用。