FlowiseAI: Aufbau einer Knoten-Drag-and-Drop-Schnittstelle für benutzerdefinierte LLM-Anwendungen

Allgemeine Einführung

FlowiseAI ist ein quelloffenes Low-Code-Tool, das Entwicklern hilft, benutzerdefinierte LLM-Anwendungen (Large Language Model) und KI-Agenten zu erstellen. Mit einer einfachen Drag-and-Drop-Oberfläche können Benutzer LLM-Anwendungen schnell erstellen und iterieren, wodurch der Prozess vom Testen bis zur Produktion viel effizienter wird. FlowiseAI bietet eine Vielzahl von Vorlagen und Integrationsoptionen, die es Entwicklern leicht machen, komplexe Logik und bedingte Einstellungen für eine Vielzahl von Anwendungsszenarien zu implementieren.

Funktionsliste

• Drag-and-Drop-Schnittstelle: Erstellen Sie benutzerdefinierte LLM-Streams mit einfachen Drag-and-Drop-Vorgängen.
• Vorlagenunterstützung: mehrere integrierte Vorlagen für die schnelle Erstellung von Anwendungen.
• Integrationsmöglichkeiten: Unterstützt die Integration mit Tools wie LangChain und GPT.
• Benutzerauthentifizierung: Unterstützt die Authentifizierung mit Benutzernamen und Passwort, um die Sicherheit der Anwendung zu gewährleisten.
• Docker-Unterstützung: Bereitstellung von Docker-Images für eine einfache Bereitstellung und Verwaltung.
• Entwicklerfreundlich: Unterstützt eine Vielzahl von Entwicklungsumgebungen und Tools für die Sekundärentwicklung.
• Ausführliche Dokumentation: Ausführliche Dokumentationen und Tutorials helfen den Benutzern, sich schnell zurechtzufinden.

Hilfe verwenden

Einbauverfahren

1. NodeJS herunterladen und installierenStellen Sie sicher, dass die NodeJS-Version >= 18.15.0 ist.
2. Installation von Flowise::

   npm install -g flowise

3. Flowise starten::

   npx flowise start

Wenn Sie eine Authentifizierung mit Benutzernamen und Kennwort benötigen, können Sie den folgenden Befehl verwenden:

   npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234

4. Zugang zu Anwendungen: Öffnen Sie http://localhost:3000 in Ihrem Browser.

Verwendungsprozess

1. Ein neues Projekt erstellenIn der Flowise-Oberfläche klicken Sie auf die Schaltfläche "Neues Projekt", geben einen Projektnamen ein und wählen eine Vorlage aus.
2. Drag-and-Drop-KomponenteZiehen Sie die gewünschte Komponente aus der linken Symbolleiste in den Arbeitsbereich, um die Eigenschaften der Komponente zu konfigurieren.
3. Anschluss-SetVerbinden Sie die Komponenten, indem Sie die Verbindungsdrähte zu einem vollständigen Prozess ziehen.
4. TestanwendungKlicken Sie auf die Schaltfläche "Ausführen", um die Funktionalität und Wirksamkeit der Anwendung zu testen.
5. Bereitstellung von AnwendungenNach Abschluss der Tests kann die Anwendung in einer Produktionsumgebung bereitgestellt und mit Docker-Images verwaltet und gepflegt werden.

Featured Function Bedienung

• Integration von LangChainIn der Komponentenkonfiguration wählen Sie die Option LangChain-Integration und geben die entsprechenden Parameter ein, um eine nahtlose Schnittstelle mit LangChain zu erreichen.
• BenutzerauthentifizierungHinzufügen in der .env-DateiFLOWISE_USERNAMEim Gesang antwortenFLOWISE_PASSWORDwird die Funktion der Benutzerauthentifizierung beim Starten der Anwendung automatisch aktiviert.
• Vorlagen verwendenWählen Sie die richtige Vorlage, wenn Sie ein neues Projekt erstellen, können Sie schnell gängige Anwendungen erstellen, wie z. B. PDF Q&A, Excel-Datenverarbeitung usw.

allgemeine Probleme

• GedächtnislückeSie können die Heap-Speichergröße von Node.js erhöhen, wenn Ihnen während des Builds der Speicher ausgeht:

  export NODE_OPTIONS="--max-old-space-size=4096"
pnpm build

• Docker-BereitstellungMit den folgenden Befehlen können Sie ein Docker-Image erstellen und ausführen:

  docker build --no-cache -t flowise .
docker run -d --name flowise -p 3000:3000 flowise

Mit den oben genannten Schritten können Benutzer schnell mit FlowiseAI beginnen, benutzerdefinierte LLM-Anwendungen erstellen und einsetzen und die Entwicklungseffizienz und Anwendungsleistung verbessern.

Fallstudie: Aufbau eines automatisierten Nachrichtenschreibsystems mit FlowiseAI

Flowise Multi-Workflow-Diagramm

Flowise Konfiguration Fluss

1. wir verwenden Flowise, um ein automatisches Nachrichtenschreibsystem zu erstellen:

2) Wir ziehen einen Supervisor und 3 Worker in die Schnittstelle und benennen und verbinden sie wie unten gezeigt:

3 Legen Sie für jeden Agenten das Aufforderungswort fest:

# Supervisor

你是一个Supervisor，负责管理以下工作者之间的交流：`{team_members}`。

## 任务流程

1. **发送任务给worker1** 
指示worker1搜索最新的新闻。

2. **等待worker1返回结果** 
将worker1返回的最新新闻内容传递给worker2。

3. **等待worker2完成任务** 
指示worker2将新闻编写成文章后，将文章内容传递给worker3。

4. **确认任务完成** 
确保worker3成功保存文章后，通知任务完成。

## 注意事项

- 始终以准确、协调的方式调度任务。
- 确保每一步都完整且无遗漏。

# worker1

你是一个新闻搜索引擎，负责为调用者提供最新的新闻信息。以下是你的具体任务要求：

1. **搜索最新的 10 条新闻**：基于接收到的请求，查找符合条件的最新新闻内容。
2. **提取关键信息**：从搜索到的新闻中，提取以下信息：
- **标题**：新闻的标题
- **摘要**：新闻内容的简短概述
- **来源**：新闻链接
- **核心点**：新闻的核心要点或主要信息
3. **返回清晰结构化信息**：将上述信息以清晰的格式返回给调用者。

### 输出示例：

- **标题**: [新闻标题] 
- **摘要**: [新闻摘要] 
- **来源**: [新闻链接] 
- **核心点**: [新闻核心点]

### 注意事项：

- **时效性**：确保提供的新闻是最新的。 
- **准确性**：确保提取的信息准确无误。

# worker2

### 任务描述
1. **根据提供的新闻标题、摘要和内容来源，编写一篇完整且流畅的文章**：确保文章逻辑清晰，紧扣提供的信息，表达自然。
2. **语言要求**：简洁明了，避免冗长的表述，做到言之有物。
3. **格式要求**：
- 标题单独成行，醒目突出。
- 正文分段合理，层次分明，方便阅读。

### 输出示例
以下为文章的基本结构和示例格式：

```markdown
# 新闻标题（居中或单独一行）

正文内容第一段：开篇引出新闻主题，点明事件的背景或核心内容。

正文内容第二段：详细描述新闻的主要内容，补充必要细节，使内容更加充实。

正文内容第三段：分析或评论新闻事件的意义、可能的影响或下一步发展。

正文内容第四段（可选）：总结全文，呼应开头，给读者留下深刻印象。

# worker3

你的任务是：

1. 接收完整的文章内容，包括标题和正文。
2. 根据标题为文件命名，确保文件名简洁且有意义（例如：使用标题的前几个词并去除特殊字符）。
3. 将文件保存为TXT格式到指定的电脑路径。
4. 返回保存的文件路径和成功状态给调用者。例如：
- 文件路径: [保存路径]
- 状态: 保存成功

4. stellen Sie das Tool Calling Chat Model und den Agentenspeicher des Supervisors ein, bitte wählen Sie das passende große Modell entsprechend Ihrer tatsächlichen Situation, wie unten gezeigt:

5 Wählen Sie je nach Ihrer Umgebung das entsprechende Suchwerkzeug für worker1 wie folgt aus:

6 Wählen Sie das entsprechende Werkzeug zum Speichern von Dateien für worker3, wie unten gezeigt:

7 Die endgültige Gesamtkonfiguration ist unten dargestellt:

8 Nachdem die Konfiguration abgeschlossen ist, klicken wir auf das Dialogfeld in der oberen rechten Ecke und geben das Schlüsselwort "Big Model" ein, wie unten dargestellt:

Wir sehen, wie der Worker nacheinander die von uns konfigurierten Aufgaben ausführt.

Wenn Sie auf das Code-Symbol in der oberen rechten Ecke klicken, sehen Sie, wie Sie die API des Systems aufrufen können (siehe unten):