> For the complete documentation index, see [llms.txt](https://docs.clore.ai/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://docs.clore.ai/guides/guides_v2-hi/ai/flowise.md). # Flowise AI एजेंट बिल्डर Clore.ai पर Flowise डिप्लॉय करें — ड्रैग-एंड-ड्रॉप नो-कोड इंटरफ़ेस और तुरंत API एंडपॉइंट्स के साथ किफ़ायती GPU क्लाउड सर्वरों पर विज़ुअल LLM चैटबॉट, AI एजेंट, और RAG पाइपलाइन बनाएँ और होस्ट करें। ## अवलोकन [Flowise](https://github.com/FlowiseAI/Flowise) यह एक ओपन-सोर्स, ड्रैग-एंड-ड्रॉप टूल है, जिससे बिना कोड लिखे LLM-संचालित एप्लिकेशन बनाए जा सकते हैं। GitHub पर 35K+ स्टार्स और 5 मिलियन से अधिक Docker Hub पुल्स के साथ **5 मिलियन Docker Hub पुल्स**के साथ, Flowise इकोसिस्टम में सबसे अधिक डिप्लॉय किए गए self-hosted AI टूल्स में से एक बन गया है। यह टीमों को एक सहज विज़ुअल इंटरफ़ेस के माध्यम से चैटबॉट, RAG सिस्टम, AI एजेंट और स्वचालित वर्कफ़्लो बनाने देता है — और उन्हें कुछ ही मिनटों में REST API एंडपॉइंट्स के रूप में डिप्लॉय करने देता है। Flowise LangChain.js पर बना है और एक नोड-आधारित कैनवास प्रदान करता है, जहाँ आप घटकों को जोड़ते हैं: LLMs, वेक्टर डेटाबेस, दस्तावेज़ लोडर, मेमोरी स्टोर, टूल्स और एजेंट्स। हर फ्लो अपने-आप एक एम्बेड करने योग्य चैट विजेट और API एंडपॉइंट जनरेट करता है, जिसे आप किसी भी एप्लिकेशन में एकीकृत कर सकते हैं। **मुख्य क्षमताएँ:** * **ड्रैग-एंड-ड्रॉप फ्लो बिल्डर** — 100+ पहले से बने नोड्स के साथ विज़ुअल LLM ऑर्केस्ट्रेशन * **चैटबॉट निर्माण** — वेबसाइटों और ऐप्स के लिए एम्बेड करने योग्य चैट विजेट्स * **RAG पाइपलाइन** — दस्तावेज़ लोडर, एम्बेडर्स और वेक्टर स्टोर्स को विज़ुअली जोड़ें * **मल्टी-एजेंट सपोर्ट** — टूल उपयोग और डेलीगेशन के साथ एजेंट पदानुक्रम बनाएं * **तुरंत API** — हर फ्लो एक `/api/v1/prediction/` एंडपॉइंट जनरेट करता है * **LangChain नोड्स** — LangChain.js इकोसिस्टम तक पूर्ण पहुँच * **क्रेडेंशियल मैनेजर** — API कीज़, डेटाबेस कनेक्शन्स को केंद्रीकृत रूप से प्रबंधित करें **Flowise के लिए Clore.ai क्यों?** Flowise एक हल्का Node.js सर्वर है — यह ऑर्केस्ट्रेशन संभालता है, कंप्यूट नहीं। इसे Clore.ai के साथ जोड़ने से यह संभव होता है: * **लोकल मॉडल इन्फ़ेरेंस** — उसी GPU सर्वर पर Ollama या vLLM चलाएं, API लागत समाप्त करें * **निजी दस्तावेज़ प्रोसेसिंग** — ऐसे RAG पाइपलाइन जो कभी भी डेटा को बाहरी सेवाओं पर नहीं भेजते * **स्थायी डिप्लॉयमेंट** — GPU सर्वर कीमतों पर हमेशा चालू रहने वाली चैटबॉट और API होस्टिंग * **स्केल पर किफ़ायती** — प्रति-कॉल API शुल्क के बिना मल्टी-टेनेंट चैटबॉट प्लेटफ़ॉर्म बनाएं * **फुल-स्टैक AI होस्टिंग** — Flowise + Ollama + Qdrant/Chroma, सब कुछ एक किफ़ायती सर्वर पर *** ## आवश्यकताएँ Flowise स्वयं एक Node.js एप्लिकेशन है जिसकी संसाधन आवश्यकताएँ न्यूनतम हैं। GPU केवल तब चाहिए जब आप लोकल LLM बैकएंड जोड़ते हैं। | कॉन्फ़िगरेशन | GPU | VRAM | RAM | स्टोरेज | अनुमानित कीमत | | -------------------------------------- | --------- | ----- | ------ | ------- | ----------------------------------------- | | **केवल Flowise (बाहरी APIs)** | कोई नहीं | — | 2–4 GB | 10 GB | \~$0.03–0.08/घंटा | | **+ Ollama (Llama 3.1 8B)** | RTX 3090 | 24 GB | 16 GB | 40 GB | $0.07–0.21/hr | | **+ Ollama (Mistral 7B + embeddings)** | RTX 3090 | 24 GB | 16 GB | 30 GB | $0.07–0.21/hr | | **+ Ollama (Qwen2.5 32B)** | RTX 4090 | 24 GB | 32 GB | 60 GB | $0.14–0.42/hr | | **+ vLLM (प्रोडक्शन)** | A100 80GB | 80 GB | 64 GB | 100 GB | [bare metal](https://clore.ai/bare-metal) | > **ध्यान दें:** Flowise किसी भी Clore.ai सर्वर पर आराम से चलता है। GPU केवल तब चाहिए जब आप मुफ्त लोकल इन्फ़ेरेंस चाहते हों। देखें [GPU तुलना गाइड](/guides/guides_v2-hi/getting-started/gpu-comparison.md). **Clore.ai सर्वर आवश्यकताएँ:** * Docker Engine (सभी Clore.ai इमेजेज़ पर पहले से इंस्टॉल) * NVIDIA Container Toolkit (केवल GPU/Ollama के लिए) * पोर्ट 3000 उपलब्ध हो (या Clore.ai डैशबोर्ड में मैप किया गया हो) * कम से कम 2 GB मुक्त RAM, 10 GB डिस्क स्पेस *** ## त्वरित शुरुआत ### चरण 1: Clore.ai पर एक सर्वर बुक करें में [Clore.ai मार्केटप्लेस](https://clore.ai): * केवल API उपयोग के लिए: कोई भी सर्वर, फ़िल्टर करें RAM ≥ 4 GB * लोकल LLM के लिए: फ़िल्टर GPU ≥ 24 GB VRAM * टेम्पलेट में Docker सक्षम होना सुनिश्चित करें SSH के माध्यम से कनेक्ट करें: ```bash ssh root@ -p ``` ### चरण 2: Flowise चलाएँ (एकल कमांड) ```bash docker run -d \\ --name flowise \ --restart unless-stopped \\ -p 3000:3000 \ flowiseai/flowise ``` बस। Flowise यहाँ उपलब्ध होगा `http://:3000` 20–30 सेकंड के भीतर। ### चरण 3: सत्यापित करें कि यह चल रहा है ```bash # कंटेनर स्थिति जाँचें docker ps | grep flowise # लॉग्स जांचें docker logs flowise --tail 20 # API का परीक्षण करें curl http://localhost:3000/api/v1/chatflows ``` ### चरण 4: UI खोलें पर जाएँ `http://:3000` अपने ब्राउज़र में. > **Clore.ai पोर्ट मैपिंग:** सुनिश्चित करें कि पोर्ट 3000 आपके Clore.ai सर्वर कॉन्फ़िगरेशन में फ़ॉरवर्ड किया गया है। अपने सर्वर विवरण → Ports → पर जाएँ और पुष्टि करें `3000:3000` कि यह मैप किया गया है। कुछ टेम्पलेट्स डिफ़ॉल्ट रूप से केवल SSH एक्सपोज़ करते हैं। *** ## कॉन्फ़िगरेशन ### स्थायी संग्रहण वॉल्यूम्स माउंट करें ताकि आपके फ्लोज़, क्रेडेंशियल्स और अपलोड्स कंटेनर रीस्टार्ट के बाद भी बने रहें: ```bash mkdir -p /opt/flowise/{data,uploads,logs} docker run -d \\ --name flowise \ --restart unless-stopped \\ -p 3000:3000 \ -v /opt/flowise/data:/root/.flowise \ -v /opt/flowise/uploads:/app/uploads \ -e DATABASE_PATH=/root/.flowise \ -e APIKEY_PATH=/root/.flowise \ -e SECRETKEY_PATH=/root/.flowise \ -e LOG_PATH=/root/.flowise/logs \ flowiseai/flowise ``` ### प्रमाणीकरण अपने Flowise इंस्टेंस को username/password से सुरक्षित करें: ```bash docker run -d \\ --name flowise \ --restart unless-stopped \\ -p 3000:3000 \ -v /opt/flowise/data:/root/.flowise \ -e FLOWISE_USERNAME=admin \ -e FLOWISE_PASSWORD=$(openssl rand -base64 16) \ -e FLOWISE_SECRETKEY_OVERWRITE=$(openssl rand -hex 32) \ flowiseai/flowise ``` > **सुरक्षा नोट:** जब Flowise को Clore.ai पर सार्वजनिक रूप से एक्सपोज़ करें, तो हमेशा क्रेडेंशियल्स सेट करें। प्रमाणीकरण न होने पर, आपके सर्वर IP वाला कोई भी व्यक्ति आपके फ्लोज़ और API कीज़ तक पहुँच सकता है। ### पूर्ण Environment Variables संदर्भ ```bash docker run -d \\ --name flowise \ --restart unless-stopped \\ -p 3000:3000 \ -v /opt/flowise/data:/root/.flowise \ -e PORT=3000 \ -e FLOWISE_USERNAME=admin \ -e FLOWISE_PASSWORD=your-secure-password \ -e FLOWISE_SECRETKEY_OVERWRITE=your-secret-key \ -e DATABASE_TYPE=sqlite \ -e DATABASE_PATH=/root/.flowise \ -e APIKEY_PATH=/root/.flowise \ -e SECRETKEY_PATH=/root/.flowise \ -e LOG_PATH=/root/.flowise/logs \ -e LOG_LEVEL=info \ -e TOOL_FUNCTION_BUILTIN_DEP=crypto,fs \ -e TOOL_FUNCTION_EXTERNAL_DEP=moment,lodash \ -e CORS_ORIGINS=* \ -e IFRAME_ORIGINS=* \ flowiseai/flowise ``` | वेरिएबल | विवरण | डिफ़ॉल्ट | | ----------------------------- | ----------------------------------------- | ----------------------- | | `PORT` | वेब सर्वर पोर्ट | `3000` | | `FLOWISE_USERNAME` | एडमिन यूज़रनेम (प्रमाणीकरण सक्षम करता है) | — (कोई प्रमाणीकरण नहीं) | | `FLOWISE_PASSWORD` | एडमिन पासवर्ड | — | | `FLOWISE_SECRETKEY_OVERWRITE` | क्रेडेंशियल्स के लिए एन्क्रिप्शन कुंजी | स्वतः-जनित | | `DATABASE_TYPE` | `sqlite` या `mysql` या `postgres` | `sqlite` | | `DATABASE_PATH` | SQLite स्टोरेज पथ | `/root/.flowise` | | `LOG_LEVEL` | `error`, `warn`, `info`, `debug` | `info` | | `TOOL_FUNCTION_BUILTIN_DEP` | कोड नोड्स में अनुमत Node.js builtins | — | | `TOOL_FUNCTION_EXTERNAL_DEP` | कोड नोड्स में अनुमत npm पैकेज | — | | `CORS_ORIGINS` | API के लिए अनुमत CORS origins | `*` | | `IFRAME_ORIGINS` | अनुमत iframe embedding origins | `*` | ### Docker Compose (अनुशंसित) आधिकारिक Flowise रेपो में Docker Compose कॉन्फ़िगरेशन शामिल है। Clore.ai के लिए यह अनुशंसित तरीका है: ```bash # आधिकारिक docker-compose.yml डाउनलोड करें curl -o /opt/flowise/docker-compose.yml \ https://raw.githubusercontent.com/FlowiseAI/Flowise/main/docker/docker-compose.yml cd /opt/flowise ``` या PostgreSQL के साथ अपना स्वयं का बनाएँ: ```yaml # /opt/flowise/docker-compose.yml version: "3.9" services: flowise: image: flowiseai/flowise:latest restart: unless-stopped ports: - "3000:3000" environment: - PORT=3000 - FLOWISE_USERNAME=${FLOWISE_USERNAME:-admin} - FLOWISE_PASSWORD=${FLOWISE_PASSWORD:-changeme} - FLOWISE_SECRETKEY_OVERWRITE=${SECRET_KEY} - DATABASE_TYPE=postgres - DATABASE_HOST=db - DATABASE_PORT=5432 - DATABASE_USER=flowise - DATABASE_PASSWORD=flowise-secret - DATABASE_NAME=flowise volumes: - flowise-data:/root/.flowise depends_on: db: condition: service_healthy db: image: postgres:16-alpine restart: unless-stopped environment: - POSTGRES_USER=flowise - POSTGRES_PASSWORD=flowise-secret - POSTGRES_DB=flowise volumes: - pgdata:/var/lib/postgresql/data healthcheck: test: ["CMD-SHELL", "pg_isready -U flowise"] interval: 10s timeout: 5s retries: 5 volumes: flowise-data: pgdata: ``` ```bash SECRET_KEY=$(openssl rand -hex 32) \ FLOWISE_PASSWORD=yourpassword \ docker compose -f /opt/flowise/docker-compose.yml up -d ``` *** ## GPU एक्सेलेरेशन (लोकल LLM इंटीग्रेशन) Flowise ऑर्केस्ट्रेशन करता है — भारी काम जुड़े हुए सर्विसेज़ में GPU करता है। ### Flowise + Ollama (अनुशंसित) उसी Clore.ai सर्वर पर Ollama चलाएँ और Flowise को उससे कनेक्ट करें: ```bash # चरण 1: GPU एक्सेस के साथ Ollama शुरू करें docker run -d \\ --name ollama \ --gpus all \\ --restart unless-stopped \\ -p 11434:11434 \ -v ollama-models:/root/.ollama \ ollama/ollama:latest # चरण 2: मॉडल्स डाउनलोड करें docker exec ollama ollama pull llama3.1:8b # चैट/एजेंट मॉडल docker exec ollama ollama pull nomic-embed-text # RAG के लिए embeddings docker exec ollama ollama pull mistral:7b # वैकल्पिक चैट मॉडल # चरण 3: host network access के साथ Flowise शुरू करें docker run -d \\ --name flowise \ --restart unless-stopped \\ -p 3000:3000 \ -v /opt/flowise/data:/root/.flowise \ --add-host host.docker.internal:host-gateway \ -e FLOWISE_USERNAME=admin \ -e FLOWISE_PASSWORD=changeme \ flowiseai/flowise ``` **Flowise UI में:** 1. एक नया Chatflow बनाएं 2. जोड़ें **Ollama** नोड (Chat Models के अंतर्गत) * Base URL: `http://host.docker.internal:11434` * मॉडल नाम: `llama3.1:8b` 3. जोड़ें **OllamaEmbeddings** नोड (RAG के लिए) * Base URL: `http://host.docker.internal:11434` * मॉडल नाम: `nomic-embed-text` 4. अपने Vector Store (Chroma, FAISS, Qdrant) से कनेक्ट करें > पूरा [Ollama गाइड](/guides/guides_v2-hi/language-models/ollama.md) देखें, मॉडल डाउनलोड और GPU सेटअप के लिए। ### Flowise + vLLM (प्रोडक्शन स्केल) OpenAI-संगत उच्च-थ्रूपुट सर्विंग के लिए: ```bash # vLLM शुरू करें docker run -d \\ --name vllm \\ --gpus all \\ --restart unless-stopped \\ -p 8000:8000 \ --ipc=host \ vllm/vllm-openai:latest \ --model mistralai/Mistral-7B-Instruct-v0.3 \ --gpu-memory-utilization 0.85 # Flowise में, custom base URL के साथ ChatOpenAI नोड का उपयोग करें: # Base URL: http://host.docker.internal:8000/v1 # OpenAI API Key: (कोई भी मान) # Model Name: mistralai/Mistral-7B-Instruct-v0.3 ``` > देखें [vLLM गाइड](/guides/guides_v2-hi/language-models/vllm.md) क्वांटाइज़ेशन और मल्टी-GPU कॉन्फ़िगरेशन के लिए। ### केवल-लोकल RAG चैटबॉट बनाना Clore.ai पर बिना किसी बाहरी API कॉल के पूरा Flowise फ्लो: | नोड | घटक | Settings | | --- | --------------------------- | ---------------------------- | | 1 | PDF फ़ाइल लोडर | दस्तावेज़ अपलोड करें | | 2 | Recursive Text Splitter | Chunk: 1000, Overlap: 200 | | 3 | Ollama Embeddings | मॉडल: `nomic-embed-text` | | 4 | In-Memory Vector Store | (या स्थायित्व के लिए Chroma) | | 5 | Ollama Chat | मॉडल: `llama3.1:8b` | | 6 | Conversational Retrieval QA | Chain type: Stuff | | 7 | Buffer Memory | सेशन-आधारित मेमोरी | इसे API के रूप में एक्सपोर्ट करें और किसी भी वेबसाइट पर चैट विजेट एम्बेड करें। *** ## टिप्स और सर्वोत्तम अभ्यास ### 1. फ्लोज़ नियमित रूप से एक्सपोर्ट करें Clore.ai सर्वर बंद करने या बदलने से पहले: ```bash # API के माध्यम से सभी फ्लोज़ एक्सपोर्ट करें curl http://localhost:3000/api/v1/chatflows \ -H "Authorization: Basic $(echo -n admin:password | base64)" \ > /opt/flowise/backup-flows.json # या UI का उपयोग करें: Chatflows → Export All ``` ### 2. एम्बेड विजेट का उपयोग करें हर Flowise chatflow एक प्रोडक्शन-रेडी चैट विजेट जनरेट करता है: 1. अपना chatflow खोलें → क्लिक करें **\** (Embed) बटन 2. स्क्रिप्ट स्निपेट कॉपी करें 3. किसी भी HTML पेज में पेस्ट करें — तुरंत कस्टमर सपोर्ट बॉट ### 3. API कीज़ को सुरक्षित रूप से प्रबंधित करें सभी LLM API कीज़ Flowise के **Credentials** पैनल में स्टोर करें (फ्लोज़ में हार्डकोड न करें): * Menu → Credentials → Add Credential * कीज़ एन्क्रिप्ट की जाती हैं `FLOWISE_SECRETKEY_OVERWRITE` ### 4. Rate Limiting सार्वजनिक-उन्मुख डिप्लॉयमेंट के लिए, Flowise के सामने Nginx या Caddy के माध्यम से rate limiting जोड़ें: ```bash # सरल nginx reverse proxy कॉन्फ़िग docker run -d \\ --name nginx \ -p 80:80 \ -v /opt/flowise/nginx.conf:/etc/nginx/conf.d/default.conf:ro \ --link flowise:flowise \ nginx:alpine ``` ### 5. प्रदर्शन की निगरानी करें ```bash # रीयल-टाइम संसाधन निगरानी watch -n 3 'docker stats flowise ollama --no-stream' # त्रुटियों के लिए Flowise लॉग्स देखें docker logs flowise --tail 50 -f # जाँचें कि फ्लोज़ को कॉल किया जा रहा है या नहीं docker logs flowise 2>&1 | grep "Prediction" ``` ### 6. SQLite डेटाबेस का बैकअप लें ```bash # टाइमस्टैम्प वाला बैकअप बनाएं cp /opt/flowise/data/database.sqlite \ /opt/flowise/backup-$(date +%Y%m%d-%H%M%S).sqlite # या cron के साथ स्वचालित करें echo "0 */6 * * * cp /opt/flowise/data/database.sqlite /opt/flowise/backup-\$(date +\%Y\%m\%d-\%H\%M\%S).sqlite" | crontab - ``` *** ## समस्या निवारण ### कंटेनर तुरंत बंद हो जाता है ```bash # बंद होने का कारण जाँचें docker logs flowise # सामान्य कारण: # 1. पोर्ट 3000 पहले से उपयोग में है lsof -i :3000 # समाधान: अलग पोर्ट का उपयोग करें docker run ... -p 3001:3000 ... # 2. वॉल्यूम अनुमति त्रुटि ls -la /opt/flowise/ chown -R 1000:1000 /opt/flowise/data ``` ### UI में "Connection Failed" दिखता है ```bash # सत्यापित करें कि Flowise वास्तव में चल रहा है docker ps -a | grep flowise docker stats flowise --no-stream # जाँचें कि यह सभी इंटरफेसेज़ पर bind कर रहा है docker logs flowise | grep "listening" # ऐसा दिखना चाहिए: Server is listening at port 3000 # पहले लोकली टेस्ट करें curl -s http://localhost:3000/api/v1/chatflows | head -20 ``` ### फ्लोज़ LLM त्रुटियों के साथ विफल हो जाते हैं ```bash # Flowise कंटेनर से Ollama कनेक्टिविटी टेस्ट करें docker exec flowise wget -qO- http://host.docker.internal:11434/api/tags # अगर यह विफल हो, तो सत्यापित करें कि --add-host शामिल था: docker inspect flowise | grep -A5 ExtraHosts # Ollama चल रहा है या नहीं टेस्ट करें curl http://localhost:11434/api/tags ``` ### अपडेट के दौरान डेटाबेस माइग्रेशन त्रुटियाँ ```bash # Flowise संस्करण अपग्रेड करते समय, पहले बैकअप लें cp -r /opt/flowise/data /opt/flowise/data-backup-$(date +%Y%m%d) # नया image pull करें docker pull flowiseai/flowise:latest # उसी volume के साथ रीस्टार्ट करें (माइग्रेशन अपने-आप चलते हैं) docker stop flowise && docker rm flowise docker run -d --name flowise ... flowiseai/flowise:latest docker logs flowise -f # migration output देखें ``` ### रीस्टार्ट के बाद क्रेडेंशियल डिक्रिप्शन त्रुटियाँ ```bash # यदि आपने FLOWISE_SECRETKEY_OVERWRITE सेट नहीं किया, तो रीस्टार्ट पर एक नई key जनरेट होती है # इसे हमेशा स्पष्ट रूप से सेट करें: -e FLOWISE_SECRETKEY_OVERWRITE=your-stable-32-char-secret # रिकवर करने के लिए: स्थिर key सेट करने के बाद UI में क्रेडेंशियल्स फिर से दर्ज करें ``` ### चैट विजेट CORS त्रुटियाँ ```bash # विशिष्ट origins को अनुमति दें (प्रोडक्शन के लिए * को अपने डोमेन से बदलें) -e CORS_ORIGINS=https://yourdomain.com,http://localhost:3000 -e IFRAME_ORIGINS=https://yourdomain.com ``` *** ## अधिक पढ़ें * [Flowise GitHub रिपॉज़िटरी](https://github.com/FlowiseAI/Flowise) — स्रोत कोड, रिलीज़, आधिकारिक docker-compose * [Flowise डॉक्यूमेंटेशन](https://docs.flowiseai.com) — नोड संदर्भ, API docs, डिप्लॉयमेंट गाइड्स * [Flowise Discord](https://discord.gg/jn8n7yb9N) — कम्युनिटी टेम्पलेट्स, फ्लो शेयरिंग, सहायता * [Docker Hub: flowiseai/flowise](https://hub.docker.com/r/flowiseai/flowise) — 5M+ pulls, उपलब्ध tags * [Clore.ai पर Ollama](/guides/guides_v2-hi/language-models/ollama.md) — मुफ्त Flowise इन्फ़ेरेंस के लिए लोकल LLMs चलाएँ * [Clore.ai पर vLLM](/guides/guides_v2-hi/language-models/vllm.md) — Flowise के लिए उत्पादन-स्तर LLM सर्विंग * [GPU तुलना गाइड](/guides/guides_v2-hi/getting-started/gpu-comparison.md) — अपने स्टैक के लिए सही GPU चुनें * [LangChain.js दस्तावेज़ीकरण](https://js.langchain.com/docs/) — अंतर्निहित फ्रेमवर्क संदर्भ --- # Agent Instructions This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com. ## Querying This Documentation If you need additional information that is not directly available in this page, you can query the documentation dynamically by asking a question. Perform an HTTP GET request on the current page URL with the `ask` query parameter, and the optional `goal` query parameter: ``` GET https://docs.clore.ai/guides/guides_v2-hi/ai/flowise.md?ask=&goal= ``` `ask` is the immediate question: it should be specific, self-contained, and written in natural language. `goal` is optional and describes the broader end goal you are ultimately trying to accomplish on behalf of the user. GitBook uses it to tailor the answer towards what is most useful for that goal. The response will contain a direct answer to the question and relevant excerpts and sources from the documentation. Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.