FlowiseAI: Creación de una interfaz de arrastrar y soltar nodos para aplicaciones LLM personalizadas

Introducción general

FlowiseAI es una herramienta de código abierto y bajo código diseñada para ayudar a los desarrolladores a crear aplicaciones LLM (Large Language Model) y agentes de IA personalizados. Con una sencilla interfaz de arrastrar y soltar, los usuarios pueden crear e iterar rápidamente aplicaciones LLM, haciendo que el proceso desde las pruebas hasta la producción sea mucho más eficiente.FlowiseAI proporciona un rico conjunto de plantillas y opciones de integración, facilitando a los desarrolladores la implementación de una lógica compleja y configuraciones condicionales para una variedad de escenarios de aplicación.

FlowiseAI:构建自定义LLM应用的节点拖放界面

 

Lista de funciones

  • Interfaz de arrastrar y soltar: construya flujos LLM personalizados con sencillas operaciones de arrastrar y soltar.
  • Compatibilidad con plantillas: múltiples plantillas integradas para empezar a crear aplicaciones rápidamente.
  • Opciones de integración: admite la integración con herramientas como LangChain y GPT.
  • Autenticación de usuario: admite la autenticación de nombre de usuario y contraseña para garantizar la seguridad de la aplicación.
  • Compatibilidad con Docker: proporcione imágenes Docker para facilitar la implantación y la gestión.
  • Developer Friendly: Admite una gran variedad de entornos de desarrollo y herramientas para el desarrollo secundario.
  • Documentación completa: proporcione documentación detallada y tutoriales para ayudar a los usuarios a empezar a trabajar rápidamente.

 

Utilizar la ayuda

Proceso de instalación

  1. Descargar e instalar NodeJSAsegúrate de que la versión de NodeJS es >= 18.15.0.
  2. Instalación de Flowise::
   npm install -g flowise
  1. Iniciar Flowise::
   npx flowise start

Si necesita autenticación de nombre de usuario y contraseña, puede utilizar el siguiente comando:

   npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234
  1. Acceso a las aplicaciones: Abra http://localhost:3000 en su navegador.

Proceso de utilización

  1. Crear un nuevo proyectoEn la interfaz de Flowise, haga clic en el botón "Nuevo proyecto", introduzca un nombre de proyecto y seleccione una plantilla.
  2. componente de arrastrar y soltarArrastre y suelte el componente deseado desde la barra de herramientas de la izquierda al área de trabajo para configurar las propiedades del componente.
  3. kit de conexión: Conecta los componentes arrastrando los cables de conexión para formar un proceso completo.
  4. aplicación de pruebaHaga clic en el botón "Ejecutar" para probar la funcionalidad y eficacia de la aplicación.
  5. Despliegue de aplicacionesLa aplicación puede desplegarse en un entorno de producción, gestionarse y mantenerse mediante imágenes Docker.

Función destacada Operación

  • Integración de LangChainEn la configuración del componente, seleccione la opción de integración LangChain e introduzca los parámetros pertinentes para lograr una interfaz perfecta con LangChain.
  • autenticación de usuariosAñadir en el archivo .envFLOWISE_USERNAMEresponder cantandoFLOWISE_PASSWORDla función de autenticación de usuario se activará automáticamente al iniciar la aplicación.
  • Uso de plantillasPlantilla: si eliges la plantilla adecuada al crear un nuevo proyecto, podrás crear rápidamente aplicaciones comunes, como preguntas y respuestas en PDF, procesamiento de datos en Excel, etc.

problemas comunes

  • déficit de memoriaPuedes aumentar el tamaño de la memoria heap de Node.js si te quedas sin memoria durante la compilación:
  export NODE_OPTIONS="--max-old-space-size=4096"
pnpm build
  • Despliegue de DockerUtilice los siguientes comandos para crear y ejecutar una imagen Docker:
  docker build --no-cache -t flowise .
docker run -d --name flowise -p 3000:3000 flowise

Con los pasos anteriores, los usuarios pueden empezar rápidamente con FlowiseAI, construir e implementar aplicaciones LLM personalizadas, y mejorar la eficiencia del desarrollo y el rendimiento de la aplicación.

 

Caso práctico: Creación de un sistema automatizado de redacción de noticias con FlowiseAI

Diagrama de flujo de trabajo múltiple Flowise

FlowiseAI:构建自定义LLM应用的节点拖放界面

 

Flujo de configuración Flowise

1. Usamos Flowise para construir un sistema automático de redacción de noticias, primero creamos un nuevo agente en los flujos de agentes de Flowise, llamado "sistema automático de redacción de noticias", como sigue:

FlowiseAI:构建自定义LLM应用的节点拖放界面

 

2. Arrastramos un Supervisor, y 3 Trabajadores en la interfaz, y los nombramos y conectamos como se muestra a continuación:

FlowiseAI:构建自定义LLM应用的节点拖放界面

 

3. Establezca la palabra de aviso para cada agente:

# 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. Establezca el Modelo de Chat de Llamada de Herramienta y la Memoria de Agente de Supervisor, por favor elija el modelo grande apropiado de acuerdo a su situación real, como se muestra a continuación:

FlowiseAI:构建自定义LLM应用的节点拖放界面

 

5. Seleccione la herramienta de búsqueda adecuada para el trabajador1, según su entorno, como se indica a continuación:

FlowiseAI:构建自定义LLM应用的节点拖放界面

 

6. Seleccione la herramienta de guardado de archivos adecuada para el trabajador3, como se muestra a continuación:

FlowiseAI:构建自定义LLM应用的节点拖放界面

 

7. A continuación se muestra la configuración general final:

FlowiseAI:构建自定义LLM应用的节点拖放界面

 

8. Una vez finalizada la configuración, hacemos clic en el cuadro de diálogo de la esquina superior derecha, introducimos la palabra clave "Big Model", como se muestra a continuación:

FlowiseAI:构建自定义LLM应用的节点拖放界面FlowiseAI:构建自定义LLM应用的节点拖放界面FlowiseAI:构建自定义LLM应用的节点拖放界面FlowiseAI:构建自定义LLM应用的节点拖放界面

Vemos al trabajador ejecutándose secuencialmente, completando las tareas que configuramos.

 

9. Haciendo clic en el icono de código en la esquina superior derecha, podemos ver cómo llamar a la API de este sistema como se muestra a continuación:

FlowiseAI:构建自定义LLM应用的节点拖放界面
© declaración de copyright

Artículos relacionados

Sin comentarios

Debe iniciar sesión para participar en los comentarios.
Acceder ahora
ninguno
Sin comentarios...