前言
在ChatGPT引领的AI浪潮下，涌现了一大批AI应用，其背后其实蕴含着一个基本事实：AI能力得到了极大突破——大模型的能力有目共睹，未来只会变得更强。这世界唯一不变的就是变，适应变化、拥抱变化、喜欢变化，天行健君子以自强不息。我们相信未来会有越来越多的大模型出现，AI正在逐渐平民化，将来每个人都可以利用大模型轻松地做出自己的AI产品。
最近这些天，github的排行榜每天都在发生着变化。今天我们要介绍的是今天排在第三名的这个项目—Flowise。
github地址：https://github.com/FlowiseAI/Flowise
官方演示：
（gif上传有些问题，这里用一个本地的截图代替）
自己探索
在推荐这个项目之前，笔者自己先行体验了一下，安装步骤很简单，基本上按下文中的安装步骤就能完成。这里主要展示一下笔者通过这个项目构建的几个LLM流程。
总共构建了下图中的几个流程：
1. ChatPdf
可以用来限定根据pdf里面的相关内容来回答，不过貎似只能英文（大家如果发现可以用中文可以联系一下我）。它的流程如下：
针对pdf流程有疑问的可以参考这篇：https://zhuanlan.zhihu.com/p/627416925
2. SimpleLLMChain
一个简单的LLMChain，流程如下：
3. GitHub Repo Q&A
基于github仓库的问答，流程如下：
4. Translator
使用带有聊天提示模板和聊天模型的 LLM Chain 进行语言翻译，流程如下：
5. 聊天模型的会话代理，它利用聊天特定提示和缓冲存储器
流程配置好，点击保存后就可以在右侧的聊天框进行聊天了。
图看不清的可以看下这里：https://www.oschina.net/p/flowise
可以通过拖放界面的方式来使用LangchainJS[1]构建定制的LLM流程。
关于LangChain，感兴趣的同学可以翻一下笔者之前写的一篇文章：LangChain 完整指南：使用大语言模型构建强大的应用程序，里面有详细的介绍。
以下是项目的布署安装步骤和说明：
⚡快速开始
1.安装Flowise
npm install -g flowise
2.启动Flowise
npx flowise start
3.打开http://localhost:3000即可进入页面。
🐳 Docker
1.进入项目根目录下的docker文件夹
2.创建.env文件并指定PORT（参考.env.example）
3.运行docker-compose up -d
4.打开http://localhost:3000
5.若要停止容器，请运行docker-compose stop
👨💻 开发者
Flowise在单一的mono仓库中有3个不同的模块。
•server：用于提供API逻辑的Node后端
•ui：React前端
•components：Langchain组件
先决条件
•安装Yarn
npm i -g yarn
设置
1.克隆仓库
git clone https://github.com/FlowiseAI/Flowise.git
- 进入仓库文件夹
cd Flowise
- 安装所有模块的依赖：
yarn install
- 构建所有代码：
yarn build
- 启动应用程序：
yarn start
现在可以在http://localhost:3000上访问应用程序。6. 对于开发构建：
yarn dev
任何代码更改都会自动重新加载应用程序，可以在http://localhost:8080上访问应用程序。
🔒 认证
要启用应用级身份验证，请在packages/server文件夹的.env文件中添加USERNAME和PASSWORD：
USERNAME=user
PASSWORD=1234
📖 文档
即将推出
💻 云托管
即将推出
🌐 自托管
即将推出
🙋 支持
请随时在讨论区[2]中提出任何问题、报告问题和请求新功能
🙌 贡献
请参阅贡献指南[3]。如果您有任何问题或问题，请通过Discord[4]与我们联系。
📄 许可证
此存储库中的源代码根据MIT许可证[5]提供。
References
[1] LangchainJS: https://github.com/hwchase17/langchainjs
[2] 讨论区: https://github.com/FlowiseAI/Flowise/discussions
[3] 贡献指南: CONTRIBUTING.md
[4] Discord: https://discord.gg/jbaHfsRVBW
[5] MIT许可证: LICENSE.md