FlowiseAI: criação de uma interface de arrastar e soltar nós para aplicativos LLM personalizados

🚀 O DeepSeek está lento? Este site é gratuito! DeepSeek-R1 de sangue puroO sistema é suave e pode ser conectado em rede! Uso ilimitado!

Introdução geral

O FlowiseAI é uma ferramenta de código aberto e de baixo código projetada para ajudar os desenvolvedores a criar aplicativos LLM (Large Language Model) personalizados e agentes de IA. Com uma interface simples de arrastar e soltar, os usuários podem criar e iterar rapidamente aplicativos LLM, tornando o processo de teste até a produção muito mais eficiente. O FlowiseAI oferece um rico conjunto de modelos e opções de integração, facilitando para os desenvolvedores a implementação de lógica complexa e configurações condicionais para uma variedade de cenários de aplicativos.

Lista de funções

Interface de arrastar e soltar: crie fluxos LLM personalizados com operações simples de arrastar e soltar.
Suporte a modelos: vários modelos integrados para começar a criar aplicativos rapidamente.
Opções de integração: suporta a integração com ferramentas como LangChain e GPT.
Autenticação de usuário: suporta autenticação de nome de usuário e senha para garantir a segurança do aplicativo.
Suporte ao Docker: forneça imagens do Docker para facilitar a implantação e o gerenciamento.
Amigável ao desenvolvedor: oferece suporte a uma variedade de ambientes e ferramentas de desenvolvimento para desenvolvimento secundário.
Documentação rica: forneça documentação detalhada e tutoriais para ajudar os usuários a começar rapidamente.

Usando a Ajuda

Processo de instalação

Faça o download e instale o NodeJSVerifique se a versão do NodeJS é >= 18.15.0.
Instalação do Flowise::

   npm install -g flowise

Iniciar Flowise::

   Início do npx flowise

Se você precisar de autenticação de nome de usuário e senha, poderá usar o seguinte comando:

   npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234

Acesso a aplicativosAbra o site http://localhost:3000 em seu navegador.

Processo de uso

Criar um novo projetoNa interface do Flowise, clique no botão "New Project" (Novo projeto), digite um nome de projeto e selecione um modelo.
componente de arrastar e soltarArraste e solte o componente desejado da barra de ferramentas à esquerda para o espaço de trabalho para configurar as propriedades do componente.
kit de conexãoConecte os componentes arrastando os fios de conexão para formar um processo completo.
aplicação de testeClique no botão "Run" (Executar) para testar a funcionalidade e a eficácia do aplicativo.
Implementação de aplicativosApós a conclusão dos testes, o aplicativo pode ser implantado em um ambiente de produção, gerenciado e mantido usando imagens do Docker.

Operação da função em destaque

Integração do LangChainNa configuração do componente, selecione a opção de integração do LangChain e insira os parâmetros relevantes para obter uma interface perfeita com o LangChain.
autenticação do usuárioAdicionar no arquivo .envFLOWISE_USERNAMEresponder cantandoFLOWISE_PASSWORDo recurso de autenticação de usuário será ativado automaticamente ao iniciar o aplicativo.
Uso de modelosEscolha o modelo certo ao criar um novo projeto, você pode criar rapidamente aplicativos comuns, como PDF Q&A, processamento de dados do Excel e assim por diante.

problemas comuns

déficit de memóriaSe você ficar sem memória durante a compilação, poderá aumentar o tamanho da memória heap do Node.js:

  export NODE_OPTIONS="--max-old-space-size=4096"
compilação pnpm

Implementação do DockerUse os seguintes comandos para criar e executar uma imagem do Docker:

  docker build --no-cache -t flowise .
docker run -d --name flowise -p 3000:3000 flowise

Com as etapas acima, os usuários podem começar a usar o FlowiseAI rapidamente, criar e implementar aplicativos LLM personalizados e melhorar a eficiência do desenvolvimento e o desempenho dos aplicativos.

Estudo de caso: Criação de um sistema automatizado de redação de notícias com o FlowiseAI

Diagrama de vários fluxos de trabalho do Flowise

Fluxo de configuração do Flowise

1 Usamos o Flowise para criar um sistema automático de redação de notícias. Primeiro, criamos um novo agente nos fluxos de agentes do Flowise, denominado "sistema automático de redação de notícias", como segue:

2) Arrastamos um Supervisor e 3 Trabalhadores para a interface e os nomeamos e conectamos conforme mostrado abaixo:

3. defina a palavra de aviso para cada agente:

Supervisor #

Você é um Supervisor responsável por gerenciar a comunicação entre os seguintes funcionários: `{membros da equipe}`.

## Fluxo de tarefas

1. **Enviar uma tarefa para o trabalhador1**
Instrua o trabalhador1 a procurar as últimas notícias.

2. **Aguarde o worker1 retornar o resultado
Passa o conteúdo das últimas notícias retornado por worker1 para worker2.

3. **Aguardando o trabalhador2 concluir a tarefa**
Instrui o operador2 a escrever a notícia como um artigo e depois passar o conteúdo do artigo para o operador3.

4. **Confirmar a conclusão da tarefa**
Garante que o funcionário3 salve o artigo com êxito e, em seguida, notifica a conclusão da tarefa.

## Cuidado.

- Sempre programe as tarefas de forma precisa e coordenada.
- Certifique-se de que cada etapa esteja completa e livre de omissões.

# trabalhador1

Você é um mecanismo de busca de notícias responsável por fornecer aos interlocutores informações atualizadas sobre notícias. Aqui estão os requisitos específicos de sua tarefa:

1. **Pesquisar os 10 itens de notícias mais recentes**: encontrar o conteúdo de notícias mais recente que corresponda aos critérios com base nas solicitações recebidas.
2. **Extrair informações importantes**: das notícias pesquisadas, extrair as seguintes informações:
- **Title**: título da notícia
- **Summary**: um breve resumo do conteúdo da notícia
- Fonte**: link para a notícia
- Ponto central**: o ponto central ou a mensagem principal da notícia
3. **Retornar informações claramente estruturadas**: retorna as informações acima para o chamador em um formato claro.

### Exemplo de saída:

- **Headline**: [Título da notícia]
- **Summary**: [resumo da notícia]
- **Source**: [Link da notícia]
- **Pontos principais**: [Pontos principais da notícia]

### Notas:

- **Current**: garantir que as notícias fornecidas estejam atualizadas.
- Precisão**: garantir que as informações extraídas sejam precisas.

# trabalhador2

### Descrição da tarefa.
1. **Escreva um artigo completo e fluente com base nas manchetes de notícias, nos resumos e nas fontes de conteúdo fornecidas**: certifique-se de que o artigo seja logicamente claro, siga as informações fornecidas e se expresse naturalmente.
2. **Requisitos de linguagem**: seja sucinto e evite expressões longas para se fazer entender.
3. **Requisitos de formatação**:
- O título está em uma linha separada e se destaca.
- O texto deve ser razoavelmente segmentado e hierarquicamente distinto, de modo que seja fácil de ler.

### Exemplos de saídas
Veja a seguir a estrutura básica e o formato de amostra do artigo:

```markdown
# Título da notícia (centralizado ou em uma linha separada)

O primeiro parágrafo do corpo do conteúdo: o parágrafo de abertura introduz o tópico da notícia e aponta o histórico ou o conteúdo central do evento.

O segundo parágrafo do conteúdo do texto: uma descrição detalhada do conteúdo principal da notícia, acrescentando os detalhes necessários para tornar o conteúdo mais substancial.

O terceiro parágrafo analisa ou comenta a importância do evento noticioso, seu possível impacto ou suas próximas etapas.

O quarto parágrafo (opcional): resume todo o texto, faz eco ao início e impressiona o leitor.

# trabalhador3

Sua tarefa é:

1. receber o conteúdo completo do artigo, incluindo o título e o corpo.
2. nomear o arquivo de acordo com o título, certificando-se de que o nome do arquivo seja conciso e significativo (por exemplo, use as primeiras palavras do título e remova os caracteres especiais).
3. salve o arquivo no formato TXT em um caminho especificado em seu computador. 4.
4. retorne o caminho para o arquivo salvo e o status de sucesso para o chamador. Exemplo:
- Caminho do arquivo: [Save Path]
- Status: Salvo com êxito

4. defina o modelo de bate-papo de chamada de ferramenta e a memória do agente do supervisor, escolha o modelo grande apropriado de acordo com sua situação real, conforme mostrado abaixo:

5) Selecione a ferramenta de pesquisa apropriada para worker1, de acordo com seu ambiente, como segue:

6 Selecione a ferramenta de salvamento de arquivos apropriada para o worker3, conforme mostrado abaixo:

7 A configuração geral final é mostrada abaixo:

8) Após a conclusão da configuração, clique na caixa de diálogo no canto superior direito e digite a palavra-chave "Big Model", conforme mostrado abaixo: