微信扫码
添加专属顾问
我要投稿
Flowise 是一个强大的开源项目,利用可视化拖放界面,使用户能够轻松创建和配置 LLM 应用程序。下面是 Flowise 的一些核心功能:
可视化设计:通过拖放控件,轻松设计 LLM 流程。
模块化结构:Flowise 的代码库包含三个不同的模块,适合不同开发者的需求。
高灵活性:支持多种部署方式,包括本地、Docker 和云服务,满足不同用户的需求。
简单易用:安装和启动过程简单明了,便于新手上手。
在开始使用 Flowise 之前,确保你的环境中已安装 NodeJS(版本 >= 18.15.0)。下面是安装和运行 Flowise 的步骤:
使用 npm 全局安装 Flowise:
npm install -g flowise
运行 Flowise:
npx flowise start
如果你需要设置用户名和密码以增强安全性,可以使用以下命令:
npx flowise start --FLOWISE_USERNAME=user --FLOWISE_PASSWORD=1234
打开浏览器,访问 http://localhost:3000,你将看到 Flowise 的界面。
如果你想使用 Docker 部署 Flowise,可以按照下面的步骤进行:
进入项目根目录的 docker 文件夹。
复制 .env.example 文件,并将其重命名为 .env。
启动 Docker Compose:
docker compose up -d
访问 http://localhost:3000。
如果需要停止容器,可以使用:
docker compose stop
在本地构建镜像:
docker build --no-cache -t flowise .
运行镜像:
docker run -d --name flowise -p 3000:3000 flowise
停止镜像:
docker stop flowise
Flowise 是一个单仓库中的多模块项目,主要包括:
server:Node 后端,处理 API 逻辑
ui:React 前端
components:第三方节点集成
api-documentation:从 express 自动生成的 Swagger UI API 文档
需要先安装 PNPM:
npm i -g pnpm
克隆代码库:
git clone https://github.com/FlowiseAI/Flowise.git
进入仓库目录:
cd Flowise
安装所有模块的依赖:
pnpm install
构建代码:
pnpm build
如果你遇到 JavaScript 堆内存不足的错误,可以尝试增加 Node.js 的堆内存大小:
export NODE_OPTIONS="--max-old-space-size=4096"
pnpm build
启动应用:
pnpm start
**```
你现在可以访问 [http://localhost:3000](http://localhost:3000)。
## ?** 身份验证
要启用应用级别的身份验证,请在 `packages/server` 目录中的 `.env` 文件中添加 `FLOWISE_USERNAME` 和 `FLOWISE_PASSWORD`:
FLOWISE_USERNAME=user
FLOWISE_PASSWORD=1234
## **?** 环境变量配置
Flowise 支持多种环境变量配置,你可以在 `packages/server` 文件夹中的 `.env` 文件中指定这些变量。
## **?** 自主部署
Flowise 支持在现有基础设施上自托管,支持多种不同的部署方式,详细文档请参见 [Flowise 文档](https://docs.flowiseai.com/configuration/deployment)。
支持的平台包括:
- AWS
- Azure
- Digital Ocean
- GCP
### 云平台支持
Flowise 还支持多种云平台,其中包括:
- Railway
- Render
- HuggingFace Spaces
- Elestio
- Sealos
- RepoCloud
## **?** Flowise 云服务
想要体验更加便捷的服务?可以选择 [Flowise Cloud](https://flowiseai.com/)。
## **?** 支持与反馈
如果你在使用过程遇到问题,或者有新的需求,欢迎在我们的 [讨论区](https://github.com/FlowiseAI/Flowise/discussions) 提出。
## **?** 同类项目对比
在 Flowise 之外,还有许多开源项目提供类似的功能,如:
1. **LangChain**:允许用户构建复杂的链以整合多个 LLM 的输出和响应,解析能力强。
2. **Haystack**:专注于信息检索,能够结合 LLM 和传统信息检索技术,适合需要结合自然语言处理和信息检索的场景。
3. **Rasa**:开源机器学习框架,支持构建对话代理,适合需要各种自然语言理解的应用。
这些项目各有特点,开发者可以根据自己的需求选择合适的工具来进行应用的开发。**53AI,企业落地大模型首选服务商
产品:场景落地咨询+大模型应用平台+行业解决方案
承诺:免费POC验证,效果达标后再合作。零风险落地应用大模型,已交付160+中大型企业
2026-02-09
Virustotal对OpenClaw恶意技能(Skills)的跟踪分析
2026-02-09
ollama v0.15.6发布:上下文限制修复、自动模型下载、Claude环境变量优化、Droid与Qwen全面更新详解
2026-02-09
【开源】港大开源“纳米级OpenClaw”:超轻量AI助手,仅4000行代码复刻OpenClaw核心战力!
2026-02-06
Qwen3-Coder-Next 上线模力方舟:仅 3B 激活参数,媲美主流大模型的 Agent 编码能力
2026-02-06
给自己搭一个 AI 搭档:OpenClaw 安装使用全记录
2026-02-06
Qwen3-TTS:2026年最强开源文本转语音模型完全指南
2026-02-06
OpenClaw 爆火之后,我们看到了这些创业信号
2026-02-05
从Clawdbot到OpenClaw:爆款本地AI Agent的产品逻辑与争议
2025-11-19
2026-01-27
2025-12-22
2026-01-12
2026-01-29
2025-11-17
2025-12-10
2026-01-28
2025-12-23
2026-01-06
2026-02-05
2026-01-28
2026-01-26
2026-01-21
2026-01-21
2026-01-20
2026-01-16
2026-01-02