Flowise：低代码构建 LLM 应用的可视化编排平台

为什么需要 Flowise：从手写编排到可视化拖拽

传统方式下，用 LangChain 等框架手写 LLM 应用需要大量胶水代码：文档加载、文本切分、向量化、检索、提示词拼接、记忆管理、工具调用循环，每一步都要自己写逻辑并处理异常。链路越长，调试成本越高，一次提示词或检索策略的调整往往要改代码并重新部署。团队协作时，改一个流程就相当于走一次代码发布流程，业务人员无法参与迭代，原型验证周期常以天计。

Flowise 的解法是把 LangChain.js 的组件封装为可视化节点，节点间的连线即数据流，参数通过表单配置，免去写代码与调试的环节。每个 Chatflow 或 Agentflow 都是可独立运行的流程单元，内置聊天窗口可即时测试效果，右上角可一键生成 REST API 地址，从拖拽到可调用接口无需重写任何代码。这使得业务人员也能参与流程配置，开发者专注在节点选择与参数调优上。

与同类工具的气质差异在于：相比 Langflow，Flowise 对 LangChain.js 组件的覆盖更全、发版更频繁；相比 Dify 的平台化路线（自带用户管理、应用运营后台），Flowise 更轻量、完全自托管、可编程性更强；相比 n8n 这类通用自动化平台，Flowise 专为 LLM 语义设计，天然理解 Embedding、向量检索、上下文窗口这些概念。

安装与环境配置：Docker 或 npm 两步就绪

步骤一·安装：生产环境推荐 Docker 方式，一条命令拉起服务；开发调试可用 npm 全局安装。Docker 方式需要本机已安装 Docker；npm 方式需要 Node.js 18 及以上版本。

步骤二·配置：生产环境必须配置登录账号，通过环境变量 FLOWISE_USERNAME 与 FLOWISE_PASSWORD 开启 UI 认证，防止未授权访问你的流程并消耗模型费用。可选配置包括 PORT（默认 3000）与 DATABASE_PATH（默认数据目录 ~/.flowise，流程与配置存储在 SQLite 中）。

步骤三·验证：浏览器访问 http://localhost:3000，配置了账号则出现登录页，登录后进入主界面；Docker 方式用 docker logs flowise 查看启动日志，出现监听 3000 端口的信息即安装成功。

# Docker 方式（生产推荐）docker run -d \  --name flowise \  -p 3000:3000 \  -e PORT=3000 \  -e FLOWISE_USERNAME=admin \  -e FLOWISE_PASSWORD=change-me \  --volume ~/.flowise:/root/.flowise \  flowiseai/flowise # npm 方式（开发调试）npm install -g flowisenpx flowise start

快速上手：10 分钟跑通第一个 RAG 问答机器人

最小可用的 RAG 流程由五类节点组成：文档加载器（Document Loader）→ 文本切分器（Text Splitter）→ Embedding 模型 → 向量库（Vector Store）→ LLM 链。Flowise 以 Chatflow 承载这条链路，全部通过拖拽完成。

1. 登录后点击「Add New」→ Chatflow，输入名称（如 MyRAG），进入画布。

2. 从左侧节点面板拖入：文档加载器节点（如 Pdf 或 Text）、文本切分器节点（Recursive Character Text Splitter）、Embedding 节点（如 OpenAI Embeddings）、向量库节点（本地快速验证用 LanceDB，生产可选 Qdrant/Pinecone）。

3. 连线：文档加载器 → 文本切分器 → 向量库；Embedding 节点也连接到向量库。

4. 拖入 LLM 节点（ChatOpenAI）与提示词模板节点（Prompt Template），在节点表单中配置模型 API Key；将向量库的「检索输出」连接到提示词模板的上下文变量。

5. 点击画布右上角「Chat」按钮，在调试面板上传文档并发送问题，验证回答是否引用了文档内容。

6. 验证通过后，点击「API Endpoint」，开启 API 开关并复制生成的 POST 地址，即获得可被外部系统调用的 HTTP 接口（具体请求/响应字段以面板生成的示例为准）。

进阶技巧：为流程添加「Conversation Memory」记忆节点可实现多轮上下文；添加「Tool」工具节点（如 Web Scraper、计算器）可让 LLM 自主调用外部能力。已发布的流程可通过 REST API 调用：

curl -X POST https://your-host/api/v1/prediction/<flow-id> \  -H "Authorization: Bearer <API_KEY>" \  -H "Content-Type: application/json" \  -d '{"question":"Flowise 如何部署？","overrideConfig":{"sessionId":"user-123"}}'

核心能力详解：四大支柱

支柱一·可视化流程编排。Flowise 将 LangChain.js 组件封装为数百种可视化节点，涵盖 LLM、Agent、Chain、工具、向量库、记忆、文档加载器等类别。节点参数通过表单配置，连线即数据流，无需编写编排代码。平台支持自定义节点：通过「Custom JS Function」节点直接编写 JavaScript 执行函数，或开发外部自定义节点包，突破内置组件边界。

支柱二·RAG 管道构建。文档侧覆盖加载（PDF、Word、网页抓取、数据库查询等）与切分（递归字符切分、语义切分等）；检索侧覆盖 Embedding 模型接入与向量库（本地 LanceDB/Chroma，云端 Qdrant/Pinecone/Weaviate 等）。各节点即插即用，可分别构建「文档入库索引链」与「问答检索链」两条链路，支撑知识库问答、文档摘要等场景。

支柱三·Agent 与多 Agent 编排。Agent 节点（OpenAI Function Agent、ReAct Agent 等）可绑定多工具列表，由 LLM 自主决策调用。在此基础上支持多智能体拓扑：Supervisor（主管智能体调度多个子 Agent）、Sequential Agent（按顺序依次执行）等，适合客服分流、复杂任务分解等需要多角色协作的场景。

支柱四·集成与发布层。每个流程可独立发布为 REST API（/api/v1/prediction/{flowId}），支持 API Key 鉴权；提供嵌入式聊天组件，通过一段 script 代码即可嵌入任意网页；流程以 JSON 文件导入导出，便于版本管理与团队迁移。

生产部署与监控：从上线到运维

部署方式一·Docker Compose（推荐）。容器化运行并固定镜像版本，映射端口，挂载 ~/.flowise 数据卷以持久化流程与 SQLite 数据，配置 FLOWISE_USERNAME/FLOWISE_PASSWORD 开启 UI 登录，设置 restart: unless-stopped 保证异常退出后自愈。

部署方式二·npm + 进程守护。在服务器安装 Node.js 18+，npm install -g flowise 后用 PM2 守护进程：pm2 start "npx flowise start" --name flowise，实现开机自启与崩溃重启；排障时用 npx flowise start --DEBUG=true 输出调试日志。

可观测性：外部流量建议统一经 Nginx 或云网关反向代理，负责 TLS 终结、请求限流与访问日志记录；用网关日志结合 Prometheus/Grafana 观测请求量、延迟与错误率。模型调用费用与 Token 消耗在 LLM 供应商控制台查看。流程数据落盘在 ~/.flowise 目录的 SQLite 中，需纳入备份策略，升级前先备份数据目录并导出流程 JSON。

<p class="para-label">避坑清单：</p>

<ul class="dash-list"><li>坑 1：生产环境直接暴露 3000 端口且不设登录账号，任何人可进入编辑流程并消耗模型费用——务必配置 FLOWISE_USERNAME/FLOWISE_PASSWORD 并用反向代理加 HTTPS。</li><li>坑 2：本地向量库数据不持久化，容器销毁即丢数据，多实例部署还会出现检索数据不一致——改用外部向量库或将数据卷持久化挂载。</li><li>坑 3：v1.x 导出的流程 JSON 直接导入 v2.x 可能报「节点不存在」或配置丢失——升级前在测试环境逐节点验证兼容性。</li><li>坑 4：带记忆节点的流程不传 sessionId，多轮对话会相互串扰——API 调用时在 overrideConfig 中固定传 sessionId 区分用户。</li><li>坑 5：把 API Key 写在前端 JS 中直连 Flowise 接口，密钥会被浏览器暴露——由服务端代理调用，密钥只保存在后端。</li></ul>

services:  flowise:    image: flowiseai/flowise:latest    container_name: flowise    ports:      - "3000:3000"    environment:      - PORT=3000      - FLOWISE_USERNAME=admin      - FLOWISE_PASSWORD=change-me    volumes:      - ~/.flowise:/root/.flowise    restart: unless-stopped

版本迭代

Flowise 由 FlowiseAI 于 2023 年开源，以「低代码拖拽构建 LangChain 应用」迅速流行；2024 年 4 月发布 1.0 正式版，重构界面与节点体系；2025 年初进入 2.x 时代，重点打磨多 Agent 编排与交互体验。项目保持高频发版节奏（截至训练数据，可能已有更新版本）。

AI 应用场景

常见误区

面试题

参考来源

• webpageFlowise 官网产品介绍、云服务入口与官方博客