> 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-ru/ai-platformy-i-agenty/flowise.md).

# Конструктор AI-агентов Flowise

## Обзор

[Flowise](https://github.com/FlowiseAI/Flowise) это инструмент с открытым исходным кодом с перетаскиванием для создания приложений на базе больших языковых моделей без написания кода. С более чем 35K звёзд на GitHub и более **5 миллионов загрузок в Docker Hub**, Flowise стал одним из самых часто разворачиваемых инструментов ИИ с саморазвёртыванием в экосистеме. Он позволяет командам создавать чат-ботов, RAG-системы, ИИ-агентов и автоматизированные рабочие процессы через интуитивный визуальный интерфейс — и разворачивать их как REST API-эндпоинты за считанные минуты.

Flowise построен на LangChain.js и предоставляет канву с узлами, где вы соединяете компоненты: LLM, векторные базы данных, загрузчики документов, хранилища памяти, инструменты и агентов. Каждый поток автоматически генерирует встраиваемый виджет чата и API-эндпоинт, который можно интегрировать в любое приложение.

**Ключевые возможности:**

* **Конструктор потоков с перетаскиванием** — Визуальная оркестрация LLM с более чем 100 предустановленными узлами
* **Создание чат-ботов** — Встраиваемые виджеты чата для сайтов и приложений
* **RAG-конвейеры** — Визуальное подключение загрузчиков документов, эмбеддеров и векторных хранилищ
* **Поддержка мультиагентности** — Создавайте иерархии агентов с использованием инструментов и делегированием задач
* **Мгновенный API** — Каждый поток генерирует `/api/v1/prediction/<flowId>` эндпоинт
* **Узлы LangChain** — Полный доступ к экосистеме LangChain.js
* **Менеджер учётных данных** — Централизованное управление API-ключами, подключениями к базам данных

**Почему Clore.ai для Flowise?**

Flowise — это лёгкий сервер на Node.js — он отвечает за оркестрацию, а не за вычисления. Совмещение его с Clore.ai даёт:

* **Локальный вывод моделей** — Запускайте Ollama или vLLM на том же GPU-сервере, что устраняет расходы на API
* **Приватная обработка документов** — RAG-конвейеры, которые никогда не отправляют данные внешним сервисам
* **Постоянное развёртывание** — Постоянно доступный хостинг чат-ботов и API по цене GPU-сервера
* **Экономично в масштабе** — Создавайте многопользовательские платформы чат-ботов без платы за каждый вызов API
* **Хостинг полного стека ИИ** — Flowise + Ollama + Qdrant/Chroma — всё на одном доступном сервере

***

## Требования

Сам Flowise — это приложение на Node.js с минимальными требованиями к ресурсам. GPU требуется только если вы добавляете локальную LLM-бэкенд.

| Конфигурация                           | GPU       | VRAM  | ОЗУ    | Хранилище | Оцениваемая цена |
| -------------------------------------- | --------- | ----- | ------ | --------- | ---------------- |
| **Только Flowise (внешние API)**       | Нет       | —     | 2–4 ГБ | 10 ГБ     | ≈ $0.03–0.08/ч   |
| **+ Ollama (Llama 3.1 8B)**            | RTX 3090  | 24 ГБ | 16 ГБ  | 40 ГБ     | ≈ $0.20/ч        |
| **+ Ollama (Mistral 7B + эмбеддинги)** | RTX 3090  | 24 ГБ | 16 ГБ  | 30 GB     | ≈ $0.20/ч        |
| **+ Ollama (Qwen2.5 32B)**             | RTX 4090  | 24 ГБ | 32 ГБ  | 60 ГБ     | ≈ $0.35/ч        |
| **+ vLLM (продакшн)**                  | A100 80GB | 80 ГБ | 64 ГБ  | 100 ГБ    | ≈ $1.10/ч        |

> **Примечание:** Flowise уверенно работает на любом сервере Clore.ai. GPU нужен только если вы хотите локальный бесплатный вывод. Смотрите [Руководство по сравнению GPU](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md).

**требования к серверу Clore.ai:**

* Docker Engine (предустановлен на всех образах Clore.ai)
* NVIDIA Container Toolkit (только для GPU/Ollama)
* Порт 3000 должен быть доступен (или проброшен в панели Clore.ai)
* Минимум 2 ГБ свободной ОЗУ, 10 ГБ дискового пространства

***

## Быстрый старт

### Шаг 1: Забронируйте сервер на Clore.ai

В [маркетплейсе Clore.ai](https://clore.ai):

* Для использования только API: любой сервер, фильтр по ОЗУ ≥ 4 ГБ
* Для локальной LLM: фильтр GPU ≥ 24 ГБ VRAM
* Убедитесь, что Docker включён в шаблоне

Подключитесь через SSH:

```bash
ssh root@<server-ip> -p <ssh-port>
```

### Шаг 2: Запустите Flowise (одной командой)

```bash
docker run -d \
  --name flowise \
  --restart unless-stopped \
  -p 3000:3000 \
  flowiseai/flowise
```

Вот и всё. Flowise будет доступен по адресу `http://<server-ip>:3000` в течение 20–30 секунд.

### Шаг 3: Проверьте, что он запущен

```bash
# Проверьте статус контейнеров
docker ps | grep flowise

# Проверьте логи
docker logs flowise --tail 20

# Протестируйте API
curl http://localhost:3000/api/v1/chatflows
```

### Шаг 4: Откройте интерфейс

Перейдите по адресу `http://<server-ip>:3000` в вашем браузере.

> **Проброс портов в Clore.ai:** Убедитесь, что порт 3000 перенаправлен в конфигурации сервера Clore.ai. Перейдите в детали сервера → Порты → подтвердите, что `3000:3000` проброшен. Некоторые шаблоны по умолчанию открывают только SSH.

***

## Конфигурация

### Постоянное хранилище

Монтируйте тома, чтобы ваши потоки, учётные данные и загруженные файлы пережили перезапуски контейнера:

```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
```

### Аутентификация

Защитите свой экземпляр Flowise с помощью имени пользователя/пароля:

```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
```

> **Примечание по безопасности:** Всегда устанавливайте учетные данные при публичном доступе к Flowise на Clore.ai. Без аутентификации любой, у кого есть IP вашего сервера, сможет получить доступ к вашим потокам и API-ключам.

### Полный справочник переменных окружения

```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=ваш-безопасный-пароль \
  -e FLOWISE_SECRETKEY_OVERWRITE=ваш-секретный-ключ \
  -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
```

| Переменная                    | Описание                                                  | По умолчанию           |
| ----------------------------- | --------------------------------------------------------- | ---------------------- |
| `PORT`                        | Порт веб-сервера                                          | `3000`                 |
| `FLOWISE_USERNAME`            | Имя пользователя администратора (включает аутентификацию) | — (без аутентификации) |
| `FLOWISE_PASSWORD`            | Пароль администратора                                     | —                      |
| `FLOWISE_SECRETKEY_OVERWRITE` | Ключ шифрования для учётных данных                        | Автогенерируется       |
| `DATABASE_TYPE`               | `sqlite` или `mysql` или `postgres`                       | `sqlite`               |
| `DATABASE_PATH`               | Путь хранения SQLite                                      | `/root/.flowise`       |
| `LOG_LEVEL`                   | `error`, `warn`, `info`, `debug`                          | `info`                 |
| `TOOL_FUNCTION_BUILTIN_DEP`   | Разрешённые встроенные модули Node.js в узлах кода        | —                      |
| `TOOL_FUNCTION_EXTERNAL_DEP`  | Разрешённые npm-пакеты в узлах кода                       | —                      |
| `CORS_ORIGINS`                | Разрешённые источники CORS для API                        | `*`                    |
| `IFRAME_ORIGINS`              | Разрешённые источники встраивания iframe                  | `*`                    |

### Docker Compose (рекомендуется)

Официальный репозиторий Flowise включает конфигурацию Docker Compose. Это рекомендуемый подход для Clore.ai:

```bash
# Скачайте официальный docker-compose.yml
curl -o /opt/flowise/docker-compose.yml \
  https://raw.githubusercontent.com/FlowiseAI/Flowise/main/docker/docker-compose.yml

cd /opt/flowise
```

Или создайте свой собственный с PostgreSQL:

```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
```

***

## Ускорение на GPU (интеграция локальной LLM)

Flowise отвечает за оркестрацию — тяжёлые вычисления выполняет GPU в подключённых сервисах.

### Flowise + Ollama (рекомендуется)

Запустите Ollama на том же сервере Clore.ai и подключите к нему Flowise:

```bash
# Шаг 1: Запустите Ollama с доступом к GPU
docker run -d \
  --name ollama \
  --gpus all \
  --restart unless-stopped \
  -p 11434:11434 \
  -v ollama-models:/root/.ollama \
  ollama/ollama:latest

# Шаг 2: Загрузите модели
docker exec ollama ollama pull llama3.1:8b          # модель для чата/агента
docker exec ollama ollama pull nomic-embed-text     # Эмбеддинги для RAG
docker exec ollama ollama pull mistral:7b           # альтернативная модель для чата

# Шаг 3: Запустите Flowise с доступом к хост-сети
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
```

**В интерфейсе Flowise:**

1. Создайте новый Chatflow
2. Добавьте **Ollama** узел (в разделе Chat Models)
   * Базовый URL: `http://host.docker.internal:11434`
   * Имя модели: `llama3.1:8b`
3. Добавьте **OllamaEmbeddings** узел (для RAG)
   * Базовый URL: `http://host.docker.internal:11434`
   * Имя модели: `nomic-embed-text`
4. Подключитесь к вашему векторному хранилищу (Chroma, FAISS, Qdrant)

> См. полный [руководство по Ollama](/guides/guides_v2-ru/yazykovye-modeli/ollama.md) для загрузки моделей и настройки GPU.

### Flowise + vLLM (продакшн-масштаб)

Для OpenAI-совместимого высокопропускного обслуживания:

```bash
# Запустите vLLM
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

# В Flowise используйте узел ChatOpenAI с пользовательским базовым URL:
# Базовый URL: http://host.docker.internal:8000/v1
# OpenAI API Key: (любое значение)
# Название модели: mistralai/Mistral-7B-Instruct-v0.3
```

> См.  [руководство по vLLM](/guides/guides_v2-ru/yazykovye-modeli/vllm.md) для квантования и конфигураций с несколькими GPU.

### Создание полностью локального RAG-чат-бота

Полный Flowise-поток без внешних вызовов API на Clore.ai:

| Узел | Компонент                      | Настройки                             |
| ---- | ------------------------------ | ------------------------------------- |
| 1    | Загрузчик PDF-файлов           | Загрузить документ                    |
| 2    | Рекурсивный разделитель текста | Чанк: 1000, перекрытие: 200           |
| 3    | Эмбеддинги Ollama              | Модель: `nomic-embed-text`            |
| 4    | Векторное хранилище в памяти   | (или Chroma для постоянного хранения) |
| 5    | Чат Ollama                     | Модель: `llama3.1:8b`                 |
| 6    | Разговорный Retrieval QA       | Тип цепочки: Stuff                    |
| 7    | Буферная память                | Память на основе сессии               |

Экспортируйте это как API и встроите виджет чата на любой сайт.

***

## Подсказки и лучшие практики

### 1. Регулярно экспортируйте потоки

Перед остановкой или переключением серверов Clore.ai:

```bash
# Экспорт всех потоков через API
curl http://localhost:3000/api/v1/chatflows \
  -H "Authorization: Basic $(echo -n admin:password | base64)" \
  > /opt/flowise/backup-flows.json

# Или используйте UI: Chatflows → Export All
```

### 2. Используйте встраиваемый виджет

Каждый chatflow Flowise генерирует готовый к продакшну виджет чата:

1. Откройте ваш chatflow → Нажмите **\</>** кнопку (Embed)
2. Скопируйте фрагмент скрипта
3. Вставьте в любую HTML-страницу — мгновенный бот для поддержки клиентов

### 3. Безопасно управляйте API-ключами

Храните все LLM API-ключи в **Учётные данные** панели Flowise (не жёстко вшивайте их в потоки):

* Меню → Credentials → Add Credential
* Ключи шифруются с помощью `FLOWISE_SECRETKEY_OVERWRITE`

### 4. Ограничение скорости

Для публичных развертываний добавьте ограничение скорости через Nginx или Caddy перед Flowise:

```bash
# Простая конфигурация nginx reverse proxy
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. Мониторинг производительности

```bash
# Мониторинг ресурсов в реальном времени
watch -n 3 'docker stats flowise ollama --no-stream'

# Проверьте логи Flowise на наличие ошибок
docker logs flowise --tail 50 -f

# Проверьте, вызываются ли потоки
docker logs flowise 2>&1 | grep "Prediction"
```

### 6. Резервное копирование SQLite базы данных

```bash
# Создайте резервную копию с отметкой времени
cp /opt/flowise/data/database.sqlite \
   /opt/flowise/backup-$(date +%Y%m%d-%H%M%S).sqlite

# Или автоматизируйте с cron
echo "0 */6 * * * cp /opt/flowise/data/database.sqlite /opt/flowise/backup-\$(date +\%Y\%m\%d-\%H\%M\%S).sqlite" | crontab -
```

***

## Устранение неполадок

### Контейнер сразу выходит

```bash
# Проверьте причину выхода
docker logs flowise

# Распространённые причины:
# 1. Порт 3000 уже занят
lsof -i :3000
# Исправление: используйте другой порт
docker run ... -p 3001:3000 ...

# 2. Ошибка прав доступа к томам
ls -la /opt/flowise/
chown -R 1000:1000 /opt/flowise/data
```

### В интерфейсе отображается «Connection Failed»

```bash
# Убедитесь, что Flowise действительно запущен
docker ps -a | grep flowise
docker stats flowise --no-stream

# Проверьте, что он привязан ко всем интерфейсам
docker logs flowise | grep "listening"
# Должно показывать: Server is listening at port 3000

# Сначала протестируйте локально
curl -s http://localhost:3000/api/v1/chatflows | head -20
```

### Потоки завершаются с ошибками LLM

```bash
# Проверьте подключение Ollama из контейнера Flowise
docker exec flowise wget -qO- http://host.docker.internal:11434/api/tags

# Если это не работает, проверьте, добавлен ли --add-host:
docker inspect flowise | grep -A5 ExtraHosts

# Проверьте, что Ollama запущен
curl http://localhost:11434/api/tags
```

### Ошибки миграции базы данных при обновлении

```bash
# При обновлении версии Flowise сначала сделайте резервную копию
cp -r /opt/flowise/data /opt/flowise/data-backup-$(date +%Y%m%d)

# Загрузите новый образ
docker pull flowiseai/flowise:latest

# Перезапустите с тем же томом (миграции выполнятся автоматически)
docker stop flowise && docker rm flowise
docker run -d --name flowise ... flowiseai/flowise:latest
docker logs flowise -f  # Просматривайте вывод миграции
```

### Ошибки расшифровки учётных данных после перезапуска

```bash
# Если вы не установили FLOWISE_SECRETKEY_OVERWRITE, при перезапуске генерируется новый ключ
# Всегда указывайте его явно:
-e FLOWISE_SECRETKEY_OVERWRITE=ваш-стабильный-32-символьный-секрет

# Для восстановления: повторно введите учётные данные в UI после установки стабильного ключа
```

### CORS-ошибки виджета чата

```bash
# Разрешите конкретные источники (замените * на ваш домен для продакшна)
-e CORS_ORIGINS=https://yourdomain.com,http://localhost:3000
-e IFRAME_ORIGINS=https://yourdomain.com
```

***

## Дополнительное чтение

* [Репозиторий Flowise на GitHub](https://github.com/FlowiseAI/Flowise) — Исходный код, релизы, официальный docker-compose
* [Документация Flowise](https://docs.flowiseai.com) — Справочник по узлам, документация API, руководства по развёртыванию
* [Discord Flowise](https://discord.gg/jn8n7yb9N) — Сообщества, шаблоны, обмен потоками, поддержка
* [Docker Hub: flowiseai/flowise](https://hub.docker.com/r/flowiseai/flowise) — 5M+ загрузок, доступные теги
* [Ollama на Clore.ai](/guides/guides_v2-ru/yazykovye-modeli/ollama.md) — Запускайте локальные LLM бесплатно для вывода Flowise
* [vLLM на Clore.ai](/guides/guides_v2-ru/yazykovye-modeli/vllm.md) — Обслуживание LLM на уровне продакшн для Flowise
* [Руководство по сравнению GPU](/guides/guides_v2-ru/nachalo-raboty/gpu-comparison.md) — Выберите подходящий GPU для вашего стека
* [Документация LangChain.js](https://js.langchain.com/docs/) — Справочник по базовому фреймворку


---

# 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-ru/ai-platformy-i-agenty/flowise.md?ask=<question>&goal=<endgoal>
```

`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.