Flowise AI 無程式碼建置 RAG 代理器

– 4 分鐘閱讀

Flowise AI 的出現，大幅降低了 LLM 應用程式的開發門檻。透過其直覺的網頁介面，開發者不需撰寫任何程式碼，即可建構結合 LLM 和外部知識函式庫的 RAG 代理器。這對於不熟悉程式設計的使用者來說，無疑是一大福音。尤其在 LLM 應用日漸普及的趨勢下，Flowise AI 提供了一個快速且易於使用的解決方案，讓更多人能參與 LLM 應用程式的開發。

Flowise AI：無程式碼RAG代理器建置與設定

簡介

Flowise AI 是一個使用者友善的網頁介面，讓使用者能輕鬆建立根據大語言模型 (LLM) 的應用程式，無需撰寫任何程式碼。它支援多種 LLM 執行器，例如 Ollama 和與 OpenAI 相容的 API，並內建 RAG (Retrieval Augmented Generation) 機制，可有效提升 LLM 代理器的效能。本文將詳細說明 Flowise AI 的安裝與設定步驟，即使是新手也能輕鬆上手。

Flowise AI 概述

Flowise 是一個強大的無程式碼平台，能簡化 LLM 應用程式的開發流程。其主要優勢包含：

  • 直覺式介面: 即使沒有程式設計經驗，也能快速上手。
  • 多元 LLM 支援: 支援 Ollama 和 OpenAI 等多種 LLM 執行器。
  • 內建 RAG 機制: 可將外部知識函式庫整合到 LLM 的運作流程中，解決 LLM 知識函式庫更新速度慢的問題。
  • 多樣搜尋引擎整合: 內建 SearXNG、Google PSE、Brave Search 等多種搜尋引擎，擴充套件資訊來源。

雲端佈署 Flowise AI

以下步驟將指導您如何在雲端平台上佈署 Flowise AI。我們將使用 Amvera 平台作為示範，Amvera 提供簡便的應用程式佈署服務，並提供免費的外部網域名稱和 Let’s Encrypt SSL 憑證。

Amvera 平台註冊

首先，您需要註冊一個 Amvera 帳號 (註冊連結)。註冊過程簡單，只需驗證電子郵件即可。

建立 Amvera 專案

註冊完成後，登入 Amvera 平台並點選「建立專案」按鈕。依照以下步驟設定專案：

  1. 選擇服務型別為「應用程式」。
  2. 設定專案名稱和方案 (建議選擇較高階方案，日後可再調整)。
  3. 跳過資料上傳步驟，稍後再上傳 Dockerfile。
  4. 設定六個環境變數，名稱和值必須完全一致：
    • BLOB_STORAGE_PATH = /data/.flowise/storage
    • DATABASE_PATH = /data/.flowise
    • PORT = 3000
    • HOST = 0.0.0.0
    • FLOWISE_USERNAME = [自訂使用者名稱]
    • FLOWISE_PASSWORD = [自訂使用者密碼]
  5. 設定容器組態：在「容器組態」欄位輸入 docker, 80,3000 (逗號分隔，無空格)。
  6. 完成專案建立。

上傳 Dockerfile

在專案頁面中，前往「程式碼函式庫」分頁，點選「上傳資料」按鈕，將以下 Dockerfile 上傳至平台：

FROM node:18.15.0

WORKDIR /app

RUN npm install -g flowise

EXPOSE 3000

CMD ["npx", "flowise", "start"]

Dockerfile 檔案結構

  graph TD
    B[B]
    D[D]
    F[F]
    H[H]
    J[J]
    A[FROM node:18.15.0] --> B{設定基礎 Node.js 環境};
    B --> C[WORKDIR /app];
    C --> D{設定工作目錄};
    D --> E[RUN npm install -g flowise];
    E --> F{安裝 Flowise};
    F --> G[EXPOSE 3000];
    G --> H{公開 3000 埠};
    H --> I[CMD ["npx", "flowise", "start"]];
    I --> J{啟動 Flowise 應用程式};

內容解密：

此 Dockerfile 定義了 Flowise 應用程式的建置過程。首先，它根據 node:18.15.0 映像檔建立容器，並設定工作目錄為 /app。接著，它使用 npm install -g flowise 全域安裝 Flowise 套件。EXPOSE 3000 指令公開 3000 埠，讓外部可以存取應用程式。最後，CMD 指令指定啟動 Flowise 應用程式的指令。

建立專案並等待佈署完成

上傳 Dockerfile 後，點選「建置」按鈕，等待專案建置完成。這可能需要 15-20 分鐘。

設定免費網域

在專案建置的同時，您可以前往「網域」分頁，建立一個免費的外部網域名稱。選擇連線型別為 “HTTPS”，網域名稱型別為「Amvera 免費網域」，在額外設定中，URL 路徑填寫 /，埠號填寫 3000。

免費網域設定

(此處應插入一個顯示 Amvera 網域設定介面的圖表，說明如何設定 URL 路徑和埠號。)

Flowise AI 使用入門

專案建置完成並顯示「應用程式已啟動」狀態後，您可以透過建立的網域連結存取 Flowise AI 介面。您需要輸入先前設定的使用者名稱和密碼進行登入。如果出現 502/503 或 404 錯誤，請檢查所有設定，特別是容器組態和網域設定。

建立第一個 Chatflow

在「Chatflows」分頁點選「新增」按鈕，進入 Chatflow 建立介面。在此，您可以建立您的 LLM 應用程式。

Flowise AI 元件 (Nodes)

Flowise AI 的應用程式是由多個節點 (Nodes) 組成。每個節點代表一個可設定的模組，例如 Agent、Chain、Chat Model 和 Tools。透過連結這些節點，您可以建立功能完整的應用程式。

範例應用程式

以下是一些 Flowise AI 應用程式的範例：

  • 整合 ChatGPT 和 SerpAPI 的聊天機器人: 此範例示範如何使用 ChatOpenAI 作為 LLM，並整合 SerpAPI 搜尋引擎，讓聊天機器人可以搜尋網路資訊。

  • 根據 CSV 資料的聊天機器人: 此範例示範如何使用 CSV Agent 節點處理 CSV 檔案中的資料，並使用 ChatOpenAI 與使用者互動。

  • 整合 Telegram 機器人的聊天機器人: 此範例示範如何透過 Flowise AI 的 API，將應用程式與 Telegram 機器人整合。

(此處應加入程式碼範例，並以「#### 內容解密：」為標題，詳細說明程式碼功能及邏輯。)

玄貓

玄貓

技術愛好者，專注於分享程式開發、雲端技術與 AI 應用的心得體會。