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
- 워크벤치 액세스브라우저를 열고 다음을 입력합니다.
http://localhost:3000
로그인 화면으로 이동합니다(처음 사용하는 경우 등록이 필요할 수 있습니다). - 새로운 워크플로"새 프로젝트"를 클릭하고 "챗봇 템플릿"을 선택합니다.
- 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.
- 구성 모델: LLM 노드 설정에서 API 키와 모델 파라미터를 입력합니다.
- 테스트 실행"실행" 버튼을 클릭하고 "안녕하세요, 오늘 날씨가 어때요?"라고 입력합니다. 봇의 응답을 확인합니다.
기능 2: RAG 애플리케이션 구축
- 문서 준비검색할 문서(예: PDF)를 작업 디렉터리에 업로드합니다.
- 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.
- 운영 테스트:: "문서에서 가장 많이 언급된 키워드는 무엇인가요?"와 같은 질문을 입력하세요. 결과를 봅니다.
- 최적화:: 검색 범위 또는 모델 매개변수를 조정하여 답변 정확도를 높입니다.
기능 3: 멀티 에이전트 협업
- 팀 만들기:: '상담원 관리'에서 여러 상담원 역할(예: "데이터 애널리스트" 및 "고객 서비스")을 추가합니다.
- 작업 sth.:
- '워크플로 노드'를 사용하여 각 상담원의 작업(예: 데이터 분석, 사용자 응답)을 정의하세요.
- '협업 노드'를 추가하여 에이전트 간 커뮤니케이션을 조정하세요.
- 실행 예제:: "판매 데이터 분석 및 보고서 생성" 작업을 입력하고 상담원들이 협업하여 작업을 완료하는 것을 관찰합니다.
기능 4: 조건부 논리 및 코드 실행
- 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.
- 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.
- "Python 노드"를 추가하고 스크립트를 입력합니다:
- 테스트(기계 등): "1,2,3"을 입력하여 결과가 "6"인지 확인합니다.
기능 5: 사람의 개입
- 수동 노드 추가:: 워크플로에 '수동 개입 노드'를 삽입합니다.
- 구성 검토LLM 출력, 저장 및 실행을 감사하도록 설정합니다.
- 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!
© 저작권 정책
文章版权归 AI 공유 서클 所有,未经允许请勿转载。
관련 문서
댓글 없음...