Flowise 是什么?拖拖拽拽就把 AI Agent 跑起来的开源画布

Flowise 是什么?拖拖拽拽就把 AI Agent 跑起来的开源画布

Flowise 是什么?拖拖拽拽就把 AI Agent 跑起来的开源画布

如果你觉得写 Agent 就得先啃 LangChain 文档、配一堆 Python 环境,那 Flowise 可能会颠覆你的印象。它就是一个网页画布:模型、向量库、记忆、工具全是节点,鼠标连几根线,一个能问答、能查文档的 Agent 就跑起来了。

这篇是 Agent 平台横向简介系列之一,只讲 Flowise:它是什么、适合谁、怎么 5 分钟跑起来,以及实在话。

一句话定位

Flowise(FlowiseAI/Flowise)是开源的拖拽式 LLM 应用搭建工具,底层直接映射 LangChain 组件。GitHub 约 5.5 万 Star(2026 年中各统计口径在 53K–55K 之间浮动,仍在缓慢上涨),TypeScript 编写。

跟 Dify 那种”应用型平台”不同,Flowise 更像”LangChain 可视化”:你连的每个节点,背后就是一个 LangChain 类。Chat 模型、Embedding、向量库、文档加载器、记忆、Agent、工具,一一对应。

它提供三种搭建入口:Assistant(新手向导式,传文档就能问答)、Chatflow(完整节点画布,最常用)、Agentflow(多步骤 Agent 编排,支持条件分支、循环、人工确认)。每个 Flow 建好后自动带一个 REST API 和可嵌入聊天窗口,接到自己网站就是复制一段代码的事。

能做什么

  • 文档问答 / RAG:PDF、网页、Notion、txt 丢进去切分、向量化,挂 Conversational Retrieval QA 链就能问。
  • 带记忆的聊天 Agent:Buffer / Window / Redis 记忆节点往画布一挂,多轮对话不断片。
  • 工具型 Agent:ReAct / Function Calling Agent 节点,挂 HTTP、搜索、自定义函数工具,让 Agent 自己决定调哪个。
  • 多步骤编排:Agentflow V2 用 LLM 节点、Agent 节点、Tool 节点、条件节点、循环节点拼流水线,还支持人工介入审批(HITL)。
  • 对外交付:API 地址是 /api/v1/prediction/{flow-id},官方 UI 直接给 curl / Python / JS 示例;聊天挂件一键嵌入网页。

集成数量是它的强项:200+ LangChain 集成,OpenAI、Claude、Gemini、Ollama 本地模型、Chroma、Qdrant、Weaviate、Pinecone、pgvector 都能直接选节点。

5 分钟上手

本地体验最快一行命令:

npx flowise start

打开 http://localhost:3000 就是画布。想做文档问答,最小链路只需要 6 个节点:文档加载器 → 文本切分 → Embedding 模型 → 向量库 → 检索问答链 → 聊天模型,点 Save 就能对话。

生产自托管推荐 Docker Compose,一容器起步,无强制数据库依赖。官方云 starter 约 35 美元/月,但自己 VPS 跑完全免费,1GB 内存左右就能起(对比 Dify 官方建议 4GB,Flowise 轻得多)。

想完全私有:挂 Ollama Embeddings + ChatOllama + Chroma,全链路不用一张 API 卡,这点对家庭 N100 / ARM64 小主机很友好。

跟 Dify、n8n 怎么选

  • 要最快做出”能聊天的文档助手”,且熟悉 LangChain 生态 → 选 Flowise。
  • 要团队协作、知识库版本管理、开箱即用的应用管理后台 → Dify 更完整。
  • Agent 只是大自动化流水线里的一环,要定时、400+ SaaS 对接、报错重试 → n8n 更合适。
  • 要代码级控制、CI/CD、版本管理 → 直接写 LangChain / LangGraph。

本站之前写过国内 Agent 平台怎么选,Dify 走的是”全栈应用平台”路线;Flowise 则赢在轻和直接:LangChain 用户几乎零学习成本,拖完就能导出 API。

想看 Agent 全景可以回看六大框架横评,编码、通讯、编排三类分开选,别拿画布工具去硬做多智能体辩论式编排。

说实话

三点冷水。第一,它继承 LangChain 的优点也继承包袱:LangChain 大版本一变,节点跟着动,升级前先快照。第二,复杂多 Agent 协作(循环辩论、动态派单)用 Agentflow V2 能凑,但不如 LangGraph / AutoGen 原生写法顺手,别硬拗。第三,定时触发、错误重试这类自动化能力偏弱,指望它当 cron 调度器会失望,重调度场景还是 n8n 或 Hermes 这类带 Cron 的框架。

Open Issues 常年近千,迭代快但小坑不少。我的建议:拿它做原型和 RAG 对话交付非常划算;做长期生产系统,Docker + Postgres + 备份先配好,别裸跑默认存储。

适合谁

  • 想半小时搭出文档问答 demo 的开发者、站长。
  • 有 N100 / 小主机 / 5 美元 VPS,想自托管轻量 Agent 入口的人。
  • LangChain 用户,想把链路可视化、快速交付 API 的团队。
  • 中文站想加个”站内问答”挂件,又不想重写后端的博主。

只想点鼠标做客服、要完善权限和团队管理,先看 Dify;要写代码级 Agent,看 Hermes / Codex 那条线。


by 数码罗记·godsun.pro

发表回复

您的邮箱地址不会被公开。 必填项已用 * 标注