Flock: 신속한 챗봇 구축을 위한 로우코드 워크플로 오케스트레이션

일반 소개

플록은 깃허브에서 호스팅되는 오픈 소스 워크플로우 로우코드 플랫폼으로, Onelevenvy 팀이 개발했습니다. LangChain을 기반으로 하며 LangGraph Flock은 사용자가 챗봇, 검색 증강 생성(RAG) 애플리케이션을 빠르게 구축하고 여러 에이전트 팀을 조정하는 데 중점을 둔 기술로, 유연한 워크플로 설계를 통해 프로그래밍에 능숙하지 않은 사용자도 쉽게 지능형 애플리케이션을 만들 수 있도록 도와줍니다. 조건부 논리, 코드 실행, 다중 모드 대화와 같은 풍부한 노드 기능을 지원하며 비즈니스 자동화, 데이터 처리 및 기타 시나리오에 광범위하게 적용할 수 있습니다. 이 프로젝트는 React 및 Next.js와 같은 프론트엔드 기술을 사용하며, 백엔드는 PostgreSQL에 의존하여 기술 스택을 현대적이고 쉽게 확장할 수 있습니다. Flock은 현재 GitHub에서 활발한 커뮤니티의 지원을 받고 있으며 개발자들 사이에서 매우 인기가 높습니다.

기능 목록

• 워크플로 오케스트레이션:: 노드를 끌어다 놓아 복잡한 워크플로를 설계하여 멀티 에이전트 협업 및 작업을 지원하세요.
• 챗봇 구축자연어 상호작용을 지원하고 텍스트 및 이미지 입력을 처리할 수 있는 챗봇을 빠르게 만들 수 있습니다.
• RAG 애플리케이션 지원검색 개선 생성을 통합하여 문서에서 정보를 추출하고 답변을 생성합니다.
• 조건부 논리 제어If-Else 노드를 사용하여 분기 로직을 구현하여 입력에 따라 흐름을 동적으로 조정합니다.
• 코드 실행 기능데이터 처리 또는 사용자 지정 로직을 수행하기 위한 Python 스크립트 노드가 내장되어 있습니다.
• 멀티모달 상호 작용대화 유연성을 높이기 위해 이미지와 같은 멀티모달 입력을 지원합니다.
• 하위 워크플로 캡슐화:: 서브그래프 노드를 통해 복잡한 프로세스를 재사용하여 개발 효율성을 개선합니다.
• 인간 개입 노드LLM 출력 또는 도구 호출 결과를 수동으로 검토할 수 있습니다.
• 의도 인식:: 사용자 입력 의도 자동 인식 및 다중 카테고리 라우팅.

도움말 사용

설치 프로세스

Flock은 특정 환경 구성이 필요한 Docker 기반 로컬 배포 도구로, 실행하려면 특정 환경 구성이 필요합니다. 다음은 시작하기 위한 자세한 설치 단계입니다.

1. 환경 준비하기

• Docker 설치운영 체제에 Docker를 설치합니다. Windows/Mac 사용자는 공식 Docker 웹사이트에서 다운로드할 수 있으며, Linux 사용자는 다음 명령을 실행합니다:

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

• Git 설치를 사용하여 리포지토리를 복제할 수 있으며, 설치 방법은 Git 웹사이트를 참조하세요.
• 파이썬 확인키 생성을 위해 시스템에 Python 3.8 이상이 설치되어 있는지 확인하세요:

  python --version
  

2. 프로젝트 복제

터미널을 열고 다음 명령을 실행하여 Flock 소스 코드를 가져옵니다:

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

3. 환경 변수 구성

예제 구성 파일을 복사하여 수정합니다:

cp ../.env.example .env

쇼(티켓) .env 파일의 기본값을 변경하려면 changethis 키를 안전한 키로 교체합니다. 다음 명령을 사용하여 키를 생성합니다:

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

생성된 결과를 .env 문서를 예로 들 수 있습니다:

SECRET_KEY=your_generated_key_here

4. 서비스 활성화

도커 컴포즈를 사용하여 Flock을 시작합니다:

docker compose up -d

로컬에서 이미지를 빌드해야 하는 경우 먼저 실행하세요:

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

시작에 성공하면 Flock은 기본적으로 다음을 실행합니다. http://localhost:3000.

사용법

설치가 완료되면 브라우저를 통해 Flock에 액세스하여 기능을 사용할 수 있습니다. 다음은 주요 기능을 사용하는 방법에 대한 자세한 안내입니다.

기능 1: 챗봇 만들기

1. 워크벤치 액세스브라우저를 열고 다음을 입력합니다. http://localhost:3000로그인 화면으로 이동합니다(처음 사용하는 경우 등록이 필요할 수 있습니다).
2. 새로운 워크플로"새 프로젝트"를 클릭하고 "챗봇 템플릿"을 선택합니다.
3. 노드 추가:
   • 입력 노드를 드래그하여 사용자 메시지를 수신합니다.
   • 자연어를 처리하고 모델을 바인딩하기 위해 "LLM 노드"를 연결합니다(예: LangChain을 통해 구성된 OpenAI API).
   • 결과를 반환하는 '출력 노드'를 추가합니다.
4. 구성 모델: LLM 노드 설정에서 API 키와 모델 파라미터를 입력합니다.
5. 테스트 실행"실행" 버튼을 클릭하고 "안녕하세요, 오늘 날씨가 어때요?"라고 입력합니다. 봇의 응답을 확인합니다.

기능 2: RAG 애플리케이션 구축

1. 문서 준비검색할 문서(예: PDF)를 작업 디렉터리에 업로드합니다.
2. 디자인 프로세스:
   • 파일 입력 노드를 추가하여 문서 경로를 지정합니다.
   • RAG 노드를 연결하고 검색 매개변수(예: 벡터 데이터베이스)를 구성합니다.
   • 'LLM 노드'에 링크하여 답변을 생성합니다.
3. 운영 테스트:: "문서에서 가장 많이 언급된 키워드는 무엇인가요?"와 같은 질문을 입력하세요. 결과를 봅니다.
4. 최적화:: 검색 범위 또는 모델 매개변수를 조정하여 답변 정확도를 높입니다.

기능 3: 멀티 에이전트 협업

1. 팀 만들기:: '상담원 관리'에서 여러 상담원 역할(예: "데이터 애널리스트" 및 "고객 서비스")을 추가합니다.
2. 작업 sth.:
   • '워크플로 노드'를 사용하여 각 상담원의 작업(예: 데이터 분석, 사용자 응답)을 정의하세요.
   • '협업 노드'를 추가하여 에이전트 간 커뮤니케이션을 조정하세요.
3. 실행 예제:: "판매 데이터 분석 및 보고서 생성" 작업을 입력하고 상담원들이 협업하여 작업을 완료하는 것을 관찰합니다.

기능 4: 조건부 논리 및 코드 실행

1. If-Else 노드 추가:
   • If-Else 노드를 끌어다 놓고 조건을 설정합니다(예: "입력에 'Sales' 포함").
   • 다른 브랜치 연결(예: "예"를 "데이터 분석"으로, "아니오"를 "재입력 프롬프트"로). 를 "재입력 프롬프트"로 변경합니다.
2. 코드 노드 삽입:
   • "Python 노드"를 추가하고 스크립트를 입력합니다:

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

   • 입력한 숫자의 합계를 계산하는 데 사용됩니다.
3. 테스트(기계 등): "1,2,3"을 입력하여 결과가 "6"인지 확인합니다.

기능 5: 사람의 개입

1. 수동 노드 추가:: 워크플로에 '수동 개입 노드'를 삽입합니다.
2. 구성 검토LLM 출력, 저장 및 실행을 감사하도록 설정합니다.
3. rig:: 시스템이 일시 중지되고 수동 개입을 요청하는 메시지가 표시됩니다. 변경 사항을 입력하고 계속합니다.

주의

• 네트워크 요구 사항외부 모델 API를 사용하는 경우 Docker 네트워크가 열려 있는지 확인하고 프록시를 구성합니다.
• 성능 최적화로컬 런타임을 위해 Docker에 최소 4GB의 메모리를 할당하는 것이 좋습니다.
• 로그 보기문제 발생 시, 실행 docker logs <container_id> 오류를 확인합니다.

이 단계를 통해 Flock을 사용하여 챗봇을 구축하고, 여러 상담원과 협업하고, 코드가 적은 장점을 최대한 활용할 수 있습니다!