Flowise 是什么？拖拽搭 AI Agent 的开源可视化平台，55K 星却已被归档
导语
上两篇聊了 Langflow、Zapier，今天把另一个老牌选手拉出来——Flowise。一句话定位：用拖节点的方式搭 LLM 应用和 AI Agent 的开源低代码平台，号称「Build AI Agents, Visually」。它火得早、社区大、55K 星，但就在我写这篇的时候，它的仓库在 2026 年 8 月被作者原地归档了。这事本身就很值得聊——开源 AI 平台热得快、冷的也快，Flowise 恰好是个完整的样本。
项目介绍
Flowise 由加拿大团队 FlowiseAI 维护，2023 年 3 月在 GitHub 开建，一路冲到 55.4K star、25K fork，Apache 2.0 协议。核心思路不是让程序员再抄一套代码，而是把 LLM 的调用、提示词、模型切换、知识库检索、工具调用、Agent 记忆这些步骤，全部抽象成一个个可拖拽的「节点」，你在画布上连线就能拼出完整流程。
它底层搭在 LangChain 生态上（当初就是做 LangChain 的图形化前端火的），支持主流模型：OpenAI、Claude、国产的 DeepSeek、通义、以及本地 Ollama 都能接。典型能力包括：
- 可视化工作流：拖拽节点、连线、条件分支，几乎零代码。
- Agent + 记忆：给对话 Agent 挂上长期记忆，回话不「失忆」。
- RAG 知识库：接文档/网页/数据库做向量检索问答。
- API/SDK 导出：搭好的流程一键暴露成 API，喂给别的系统。
- 自托管：有 Docker 一键部署，也支持 AWS/Azure/GCP/阿里云等云上跑。
上手非常轻：Node 环境用 npm install -g flowise 装好，npx flowise start 起来，浏览器开 localhost:3000 就能拖。
实话
Flowise 的优点不用吹：老牌、生态成熟、社区教程多、对中文也算友好（README 有简体中文版），拖拽做原型和研学真不错。
但必须给你泼几盆冷水：
第一，仓库已经归档了。 2026 年 8 月 13 日，作者把 FlowiseAI/Flowise 整个仓库设成只读（public archive），项目转到讨论区谈「未来」。55K 星说归档就归档，这信号很明确——开源 AI 工具的红利期，淘汰比想象中快。你要是现在正考虑用它搭生产系统，风险自己掂量。
第二，复杂业务撑不住。 拖节点适合 Demo 和原型，一旦要做复杂业务逻辑、权限、深度定制，可视化节点反而是束缚，最后多半还是得回头写代码。
第三，这类平台的通病： 套壳门槛低、同质化严重。Langflow、Dify、n8n、Flowise 长得都差不多，能力边界模糊，选型别只看星数，要看团队有没有持续投入——Flowise 就是反面教材，星再多，不投入照样停更。
我的结论：Flowise 适合快速验证想法、学习 Agent 工作流概念，拿来研学没问题；但别把它当长期生产依赖，更别迷信星数。想清楚自己是要「拖个 Demo 交差」还是「长期跑业务」，再决定要不要入坑。
本文为实战实测输出，观点仅代表个人使用体验。更多 Agent 硬件、系统与模型省钱实战，见 godsun.pro。
by 数码罗记 · godsun.pro
