FlowiseAI / Flowise

FlowiseAI/Flowise

open_in_new前往仓库

可视化构建AI智能体

项目概览

项目概述

Flowise 是一个开源的低代码/无代码平台，用于可视化地构建 AI 智能体（AI Agents）和聊天机器人。它基于 LangChain 等大语言模型（LLM）技术，通过拖拽式界面将不同的模型、提示词、工具和数据源连接成工作流，使开发者甚至非技术人员都能快速创建和部署 AI 应用。项目使用 TypeScript 开发，采用 monorepo 结构，包含后端服务（server）、前端界面（ui）和组件库（components）。

核心功能

  • 可视化工作流构建：通过拖拽节点的方式编排 LLM、提示词、工具、数据源等，无需编写代码即可构建复杂的 AI 工作流。
  • 多模型支持：集成 OpenAI、LangChain 等主流 LLM 提供商，并支持自定义模型接入。
  • RAG 支持：内置检索增强生成（RAG）能力，可连接向量数据库和文档存储，实现基于知识库的问答。
  • 多智能体协作：支持创建多个智能体并编排它们之间的协作，实现复杂任务分解与执行。
  • 丰富的组件生态：提供大量预构建的节点（如工具、模型、记忆、输出解析器等），并支持社区贡献自定义节点。
  • API 与集成：提供 REST API 和 MCP（Model Context Protocol）端点，便于与其他系统集成。
  • 部署灵活：支持本地自托管、Docker 部署以及多种云平台（AWS、Azure、GCP 等）的一键部署。

适用与不适用场景

适用场景：

  • 快速原型验证：在短时间内搭建 AI 聊天机器人或智能体原型。
  • 非技术用户：业务人员通过可视化界面构建简单的 AI 应用，无需编程。
  • 企业内部工具：构建内部知识库问答、自动化客服等应用。
  • 教学与演示：用于展示 LLM 应用的工作原理。

不适用场景：

  • 需要深度定制底层逻辑的复杂生产系统（可能需要直接编写代码）。
  • 对性能要求极高的场景（可视化编排可能引入额外开销）。
  • 需要完全离线且无外部依赖的环境（Flowise 依赖 Node.js 和外部模型 API）。

技术架构与依赖

Flowise 采用 monorepo 架构，主要包含以下模块：

  • server：Node.js 后端，提供 API 逻辑，使用 Express 框架。
  • ui：React 前端，提供可视化拖拽界面。
  • components：第三方节点集成，包含各种模型、工具、数据源的适配器。
  • api-documentation：自动生成的 Swagger UI API 文档。

主要依赖：

  • Node.js >= 20.0.0
  • pnpm（包管理器）
  • LangChain（LLM 编排框架）
  • React（前端）
  • Express（后端）
  • 数据库：默认 SQLite，可选 MySQL、PostgreSQL
  • 对象存储：本地文件系统、S3、GCS、Azure Blob Storage

安装与快速开始

全局安装（npm）

  1. 安装 Node.js >= 20.0.0。
  2. 执行 npm install -g flowise。
  3. 启动服务：npx flowise start。
  4. 打开浏览器访问 http://localhost:3000。

Docker 部署

  1. 克隆仓库，进入 docker 目录。
  2. 复制 .env.example 为 .env 并配置。
  3. 执行 docker compose up -d。
  4. 访问 http://localhost:3000。

开发者模式

  1. 克隆仓库并安装 pnpm。
  2. 执行 pnpm install 安装依赖。
  3. 执行 pnpm build 构建代码。
  4. 执行 pnpm start 启动生产模式，或 pnpm dev 启动开发模式（热重载）。

典型使用方法

  1. 创建聊天机器人：在可视化界面中拖入 LLM 节点（如 OpenAI）、提示词节点和输入输出节点，连接后即可运行。
  2. 构建 RAG 应用：添加文档加载器、向量数据库和检索器节点，实现基于知识库的问答。
  3. 多智能体协作：创建多个智能体节点，设置任务分配和协作逻辑，实现复杂任务处理。
  4. 自定义工具：通过自定义函数节点或外部 API 集成，扩展智能体能力。
  5. API 调用：通过 Flowise 提供的 REST API 或 MCP 端点，将构建的流程集成到其他应用中。

配置与部署要点

  • 环境变量：通过 .env 文件配置端口、数据库、存储、日志等，详见 CONTRIBUTING.md 中的表格。
  • 数据库：默认使用 SQLite，生产环境建议配置 MySQL 或 PostgreSQL。
  • 存储：支持本地存储、S3、GCS、Azure Blob，根据需求配置。
  • 安全：注意凭证字段类型（密码或 URL），避免泄露密钥。
  • 部署：支持 Docker、云平台（AWS、Azure、GCP 等）一键部署，也可自托管。
  • 反向代理：可通过 TRUST_PROXY 配置代理信任设置。

限制、风险与许可证

  • 限制：可视化编排可能不适合高度定制化的场景；依赖外部模型 API，可能产生费用；社区版功能可能有限。
  • 风险：数据隐私风险（上传的数据可能发送至第三方模型服务）；安全风险（需妥善管理 API 密钥和凭证）；许可证风险（仓库许可证标记为 NOASSERTION，但 README 声明为 Apache License 2.0，实际以 LICENSE.md 为准）。
  • 许可证：README 声明源码基于 Apache License 2.0 发布，但仓库元数据中许可证为 NOASSERTION，具体请查看仓库中的 LICENSE.md 文件。

官方链接

信息来源和分析时间

  • 信息来源：GitHub 仓库 README、CONTRIBUTING.md、最新 Release 信息。
  • 分析时间：2026-07-29（基于最新 Release 日期）。