Flock : orchestration de flux de travail low-code pour la construction rapide de chatbots

Introduction générale

Flock 是一个开源的工作流低代码平台，托管在 GitHub 上，由 Onelevenvy 团队开发。它基于 LangChain 和 LangGraph 技术，专注于帮助用户快速搭建聊天机器人、检索增强生成（RAG）应用以及协调多代理团队。Flock 通过灵活的工作流设计，让不擅长编程的用户也能轻松创建智能应用。它支持丰富的节点功能，例如条件逻辑、代码执行和多模态对话，广泛适用于业务自动化、数据处理等场景。项目采用 React、Next.js 等前端技术，后端依托 PostgreSQL，技术栈现代化且易于扩展。目前，Flock 在 GitHub 上已有活跃社区支持，深受开发者欢迎。

Liste des fonctions

• Orchestration du flux de travail: 通过拖拽节点设计复杂的工作流，支持多代理协作和任务分配。
• 聊天机器人构建: 快速创建支持自然语言交互的聊天机器人，可处理文本和图像输入。
• RAG 应用支持: 集成检索增强生成功能，从文档中提取信息并生成回答。
• 条件逻辑控制: 使用 If-Else 节点实现分支逻辑，根据输入动态调整流程。
• 代码执行能力: 内置 Python 脚本节点，可执行数据处理或自定义逻辑。
• interaction multimodale: 支持图像等多模态输入，提升对话灵活性。
• 子工作流封装: 通过子图节点复用复杂流程，提高开发效率。
• 人工介入节点: 允许人工审核 LLM 输出或工具调用结果。
• Reconnaissance des intentions: 自动识别用户输入意图并进行多分类路由。

Utiliser l'aide

Processus d'installation

Flock 是一个基于 Docker 的本地部署工具，需要一定的环境配置才能运行。以下是详细的安装步骤，确保你能顺利上手。

1. préparer l'environnement

• Installation de Docker: 在你的操作系统上安装 Docker，Windows/Mac 用户可从 Docker 官网 下载，Linux 用户运行以下命令：

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

• Installation de Git: 用于克隆仓库，安装方法可参考 Git 官网。
• 检查 Python: 确保系统有 Python 3.8+，用于生成密钥：

  python --version
  

2. clonage de projets

打开终端，运行以下命令获取 Flock 源码：

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

3. 配置环境变量

复制示例配置文件并修改：

cp ../.env.example .env

spectacle (un billet) .env 文件，将默认值 changethis 替换为安全的密钥。用以下命令生成密钥：

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

将生成的结果填入 .env 文件中，例如：

SECRET_KEY=your_generated_key_here

4. 启动服务

使用 Docker Compose 启动 Flock：

docker compose up -d

若需要本地构建镜像，先运行：

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

启动成功后，Flock 默认运行在 http://localhost:3000.

Utilisation

安装完成后，你可以通过浏览器访问 Flock 并开始使用其功能。以下是主要功能的详细操作说明。

功能 1: 创建聊天机器人

1. Accès à l'établi: 打开浏览器，输入 http://localhost:3000，登录界面（首次使用可能需注册）。
2. 新建工作流: 点击“新建项目”，选择“聊天机器人模板”。
3. Ajouter un nœud:
   • 拖入“输入节点”接收用户消息。
   • 连接“LLM 节点”处理自然语言，绑定你的模型（如通过 LangChain 配置的 OpenAI API）。
   • 添加“输出节点”返回结果。
4. modèle de configuration: 在“LLM 节点”设置中填写 API 密钥和模型参数。
5. test de fonctionnement: 点击“运行”按钮，输入“你好，今天天气如何？”查看机器人回复。

功能 2: 搭建 RAG 应用

1. Préparer le document: 将需要检索的文档（如 PDF）上传至工作目录。
2. processus de conception:
   • 添加“文件输入节点”，指定文档路径。
   • 连接“RAG 节点”，配置检索参数（例如向量数据库）。
   • 链接“LLM 节点”生成回答。
3. test opérationnel: 输入问题如“文件里提到最多的关键词是什么？”查看结果。
4. optimisation: 调整检索范围或模型参数，提升回答精准度。

功能 3: 多代理协作

1. 创建团队: 在“代理管理”中添加多个代理角色（如“数据分析师”“客服”）。
2. faire fonctionner qqch.:
   • 用“工作流节点”定义每个代理的任务（如分析数据、回复用户）。
   • 添加“协作节点”协调代理间通信。
3. 运行实例: 输入任务“分析销售数据并生成报告”，观察代理协作完成。

功能 4: 条件逻辑与代码执行

1. 添加 If-Else 节点:
   • 拖入“If-Else 节点”，设置条件（如“输入包含‘销售’”）。
   • 连接不同分支，例如“是”指向“数据分析”，“否”指向“提示重新输入”。
2. 插入代码节点:
   • 添加“Python 节点”，输入脚本：

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

   • 用于计算输入数字之和。
3. test (machines, etc.): 输入“1,2,3”验证结果是否为“6”。

功能 5: 人工介入

1. 添加人工节点: 在工作流中插入“人工介入节点”。
2. 配置审核: 设置为审核 LLM 输出，保存后运行。
3. gréement: 系统暂停并提示人工干预，输入修改后的内容后继续。

mise en garde

• exigences en matière de réseau: 确保 Docker 网络畅通，若使用外部模型 API，需配置代理。
• l'optimisation des performances: 本地运行时建议分配至少 4GB 内存给 Docker。
• Vue du journal: 如遇问题，运行 docker logs <container_id> 检查错误。

通过以上步骤，你可以熟练使用 Flock 完成聊天机器人搭建、多代理协作等任务，充分发挥其低代码优势！