-
⭐️⭐️⭐️优先推荐docker部署(一开始虽然麻烦,搞几个项目后就很轻松了),可惜不是每个项目都提供了docker部署方式 -
⭐️⭐️其次如果是python环境,推荐用conda创建一个新的纯净的指定版本的python环境,版本严格按照项目标定的来,python3.12对很多组件不友好 -
⭐️⭐️同一个python环境下,也推荐为不同项目创建虚拟环境venv
真遇到问题,就随便找个大模型问,大都能解决,至少找到解决思路。
┃AI应用介绍 Flowise
-
零代码界面:Flowise提供了一个直观的无代码界面,允许用户通过拖放组件来构建和自定义基于大型语言模型(LLM)的应用程序。 -
开源框架:作为一个开源项目,Flowise的代码对所有人开放,这使得开发者可以自由地查看、修改和贡献代码。 -
社区支持:Flowise受益于社区的贡献,用户和开发者可以共享和改进项目,从而加速开发进程。 -
灵活性:Flowise的设计允许用户根据自己的需求定制LLM流程,无论是简单的文本生成还是复杂的交互式应用。 -
易于使用:即使是缺乏编程经验的用户也可以使用Flowise来构建和部署自己的LLM应用,降低了使用大型语言模型的门槛。 -
可扩展性:Flowise的架构支持扩展,用户可以根据需要添加新的功能和组件,以适应不断变化的需求。
搭建一个最简单的本地聊天工作流,实现根据上下文对话↑
┃部署环境
OS: Windows 11
docker:须有(不用docker部署,则不需要,但就需要另外的环境了,具体参考官方项目介绍)
ollama:须有(我这里演示的是基于本地ollama的大模型环境,所以需要。如果是链接外面的LLM API接口,则不需要。)
部署方式:docker部署(官方提供的其他两种部署方式我都尝试过,在我本机环境全部失败,万幸docker部署成功)
Github项目地址:https://github.com/FlowiseAI/Flowise
┃部署过程
1.通过CMD命令窗口下载项目仓库到本地(需要爬梯)
git clone https://github.com/FlowiseAI/Flowise.git
2.进入已经下载下来的本地项目仓库(文件夹)
cd Flowise
3.修改Flowise项目下docker文件夹中的.evn.example文件,直接把example去掉不修改其他配置也可以,默认有基础配置,也可以。
4.进入项目的docker文件夹
cd docker
5.通过docker安装
docker-compose up -d
6.安装成功后,打开浏览器,拷贝输入:http://localhost:3000/(使用体验和效果见文中视频)
又多了一种AI体验!Beautiful!