Flock: orquestación de flujos de trabajo de bajo código para la creación rápida de chatbots

Introducción general

Flock es una plataforma de flujo de trabajo de código abierto alojada en GitHub y desarrollada por el equipo de Onelevenvy. Se basa en LangChain y LangGraph Flock es una tecnología centrada en ayudar a los usuarios a crear rápidamente chatbots, aplicaciones de generación aumentada de recuperación (RAG) y coordinar equipos multiagente.Flock facilita a los usuarios que no saben programar la creación de aplicaciones inteligentes mediante un diseño de flujo de trabajo flexible. Soporta ricas funciones de nodo, como lógica condicional, ejecución de código y diálogo multimodal, y es ampliamente aplicable a la automatización empresarial, el procesamiento de datos y otros escenarios. El proyecto utiliza tecnologías front-end como React y Next.js, y el back-end se basa en PostgreSQL, lo que hace que la pila tecnológica sea moderna y fácil de ampliar. Flock cuenta actualmente con el apoyo de una comunidad activa en GitHub y es muy popular entre los desarrolladores.

Lista de funciones

• Orquestación de flujos de trabajo:: Diseñe flujos de trabajo complejos arrastrando y soltando nodos para apoyar la colaboración y la asignación de tareas a múltiples agentes.
• Creación de chatbotCreación rápida de chatbots que admiten interacciones en lenguaje natural y pueden manejar la introducción de texto e imágenes.
• Apoyo a la aplicación RAG: Integre la generación de mejoras de búsqueda para extraer información de los documentos y generar respuestas.
• control lógico condicionalImplementar lógica de bifurcación utilizando nodos If-Else para ajustar dinámicamente el flujo en función de la entrada.
• Capacidad de ejecución de códigoNodo de script Python incorporado para realizar el procesamiento de datos o lógica personalizada.
• interacción multimodalSoporte para entradas multimodales como imágenes para mejorar la flexibilidad del diálogo.
• Encapsulación de subflujos de trabajo:: Mejorar la eficiencia del desarrollo mediante la reutilización de procesos complejos a través de nodos subgráficos.
• Nodos de intervención humanaPermitir la revisión manual de los resultados de LLM o de las llamadas a herramientas.
• Reconocimiento de intenciones:: Reconocimiento automático de la intención de entrada del usuario y enrutamiento multicategoría.

Utilizar la ayuda

Proceso de instalación

Flock es una herramienta de despliegue local basada en Docker que requiere ciertas configuraciones de entorno para funcionar. Aquí tienes los pasos de instalación detallados para asegurarte de que empiezas.

1. Preparar el entorno

• Instalación de DockerInstala Docker en tu sistema operativo, los usuarios de Windows/Mac pueden descargarlo de la página oficial de Docker, los usuarios de Linux ejecutan el siguiente comando:

  sudo apt update && sudo apt install docker.io
  sudo systemctl start docker

• Instalación de Git: se utiliza para clonar el repositorio, consulte el sitio web de Git para conocer el método de instalación.
• Comprobación de PythonAsegúrese de que su sistema tiene Python 3.8+ para la generación de claves:

  python --version
  

2. Clonación de proyectos

Abre un terminal y ejecuta el siguiente comando para obtener el código fuente de Flock:

git clone https://github.com/Onelevenvy/flock.git
cd flock/docker

3. Configuración de las variables de entorno

Copie el archivo de configuración de ejemplo y modifíquelo:

cp ../.env.example .env

espectáculo (una entrada) .env cambie el valor por defecto de changethis Sustituye la clave por una segura. Genera la clave con el siguiente comando:

python -c "import secrets; print(secrets.token_urlsafe(32))"

Introduzca los resultados generados en el campo .env documento, por ejemplo:

SECRET_KEY=your_generated_key_here

4. Activación de los servicios

Inicie Flock utilizando Docker Compose:

docker compose up -d

Si necesitas construir la imagen localmente, ejecútala primero:

docker compose -f docker-compose.localbuild.yml build
docker compose -f docker-compose.localbuild.yml up -d

Tras un arranque correcto, Flock se ejecuta por defecto en el directorio http://localhost:3000.

Utilización

Una vez completada la instalación, puede acceder a Flock a través de su navegador y empezar a utilizar sus funciones. A continuación encontrará instrucciones detalladas sobre cómo utilizar las principales funciones.

Función 1: Crear Chatbot

1. Acceso al banco de trabajoAbre tu navegador y escribe http://localhost:3000Pantalla de inicio de sesión (puede ser necesario registrarse para los primeros usuarios).
2. Nuevo flujo de trabajoHaga clic en "Nuevo proyecto" y seleccione "Plantilla Chatbot".
3. Añadir nodo:
   • Arrastre el Nodo de Entrada para recibir mensajes de usuario.
   • Conecte "nodos LLM" para procesar el lenguaje natural y enlazar sus modelos (por ejemplo, API OpenAI configurada a través de LangChain).
   • Añade un "nodo de salida" para devolver los resultados.
4. modelo de configuraciónIntroduzca la clave API y los parámetros del modelo en la configuración del nodo LLM.
5. prueba de funcionamientoHaz clic en el botón "Ejecutar" y escribe "Hola, ¿qué tiempo hace hoy?". Consulta la respuesta del bot.

Función 2: Creación de una aplicación GAR

1. Preparar el documento: Cargue el documento a recuperar (por ejemplo, PDF) en el directorio de trabajo.
2. proceso de diseño:
   • Añada un nodo File Input para especificar la ruta del documento.
   • Conecte el Nodo RAG y configure los parámetros de búsqueda (por ejemplo, la base de datos de vectores).
   • Enlace al "Nodo LLM" para generar una respuesta.
3. prueba de funcionamiento:: Introduzca preguntas como "¿Cuáles son las palabras clave más mencionadas en el documento?". Ver resultados.
4. optimización:: Ajuste el rango de búsqueda o los parámetros del modelo para mejorar la precisión de la respuesta.

Característica 3: colaboración multiagente

1. Crear un equipo:: Añada varios roles de agente (por ejemplo, "Analista de datos" y "Atención al cliente") en "Gestión de agentes".
2. encargarse de algo:
   • Defina las tareas de cada agente (por ejemplo, analizar datos, responder a los usuarios) mediante "nodos de flujo de trabajo".
   • Añade un "Nodo de Colaboración" para coordinar la comunicación entre agentes.
3. ejemplo de funcionamiento:: Introduzca la tarea "Analizar los datos de ventas y generar un informe" y observe a los agentes colaborando para completarla.

Función 4: Lógica condicional y ejecución de código

1. Añadir el nodo If-Else:
   • Arrastre el nodo If-Else y establezca la condición (por ejemplo, "Input contains 'Sales'").
   • Vinculación de diferentes ramas, por ejemplo, "Sí" a "Análisis de datos", "No" a "Solicitar reintroducción". a "Solicitar reintroducción".
2. Insertar nodo de código:
   • Añade un "nodo Python" e introduce el script:

     def process_data(input):
     return sum(map(int, input.split(',')))
     

   • Permite calcular la suma de los números introducidos.
3. prueba (maquinaria, etc.)Introduzca "1,2,3" para comprobar que el resultado es "6".

Función 5: Intervención humana

1. Añadir nodos manualmente:: Inserción de un "nodo de intervención manual" en el flujo de trabajo.
2. Revisión de la configuración: Configurar para auditar la salida LLM, guardar y ejecutar.
3. plataforma:: El sistema se detiene y solicita la intervención manual; introduzca los cambios y continúe.

advertencia

• requisitos de la redAsegúrese de que la red Docker está abierta y configure un proxy si utiliza una API de modelo externa.
• optimización del rendimientoSe recomienda asignar al menos 4 GB de memoria a Docker para el tiempo de ejecución local.
• Vista de registroEn caso de problemas, ejecute docker logs <container_id> Comprueba si hay errores.

Con estos pasos, puedes utilizar Flock para crear chatbots, colaborar con varios agentes y aprovechar al máximo su bajo código.