## 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

- GitHub 仓库：https://github.com/FlowiseAI/Flowise
- 官方文档：https://docs.flowiseai.com/
- Flowise Cloud：https://flowiseai.com/
- Discord 社区：https://discord.gg/jbaHfsRVBW
- 最新版本：flowise@3.1.4（发布于 2026-07-29）

## 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）。