Конструктор ИИ-агентов Flowise

Разверните Flowise на Clore.ai — создавайте и размещайте визуальные LLM-чатботы, ИИ-агентов и RAG-пайплайны на доступных GPU-облачных серверах с no-code интерфейсом drag-and-drop и мгновенными API-эндпоинтами.

Обзор

Flowise — это инструмент с открытым исходным кодом и поддержкой drag-and-drop для создания приложений на базе LLM без написания кода. С более чем 35 тыс. звёзд на GitHub и свыше 5 миллионов загрузок с Docker HubFlowise стал одним из самых развёрнутых self-hosted ИИ-инструментов 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 endpoints за минуты.

Flowise построен на LangChain.js и предоставляет холст на основе узлов, где вы соединяете компоненты: LLM, векторные базы данных, загрузчики документов, хранилища памяти, инструменты и агентов. Каждый flow автоматически генерирует встраиваемый чат-виджет и API endpoint, которые вы можете интегрировать в любое приложение.

Ключевые возможности:

• Конструктор потоков drag-and-drop — Визуальная оркестрация LLM с более чем 100 готовыми узлами

• Создание чат-ботов — Встраиваемые чат-виджеты для веб-сайтов и приложений

• RAG-пайплайны — Визуально подключайте загрузчики документов, эмбеддеры и векторные хранилища

• Поддержка нескольких агентов — Стройте иерархии агентов с использованием инструментов и делегирования

• Мгновенный API — Каждый flow генерирует /api/v1/prediction/<flowId> endpoint

• Узлы LangChain — Полный доступ к экосистеме LangChain.js

• Менеджер учётных данных — Централизованно управляйте API-ключами, подключениями к базам данных

Почему Clore.ai для Flowise?

Flowise — это лёгкий сервер на Node.js: он занимается оркестрацией, а не вычислениями. Использование его вместе с Clore.ai даёт возможность:

• Локальный запуск моделей — Запускайте Ollama или vLLM на том же GPU-сервере, устраняя расходы на API

• Конфиденциальная обработка документов — RAG-пайплайны, которые никогда не отправляют данные во внешние сервисы

• Постоянное развёртывание — Хостинг чат-ботов и API 24/7 по ценам GPU-сервера

• Экономично в масштабе — Создавайте мультиарендные платформы чат-ботов без платы за каждый вызов API

• ИИ-хостинг полного стека — Flowise + Ollama + Qdrant/Chroma — всё на одном доступном сервере

---

Требования

Сам Flowise — это приложение на Node.js с минимальными требованиями к ресурсам. GPU нужен только если вы добавляете локальный backend LLM.

Конфигурация	GPU	VRAM	ОЗУ	Хранилище	Ориентировочная цена
Только Flowise (внешние API)	Нет	—	2–4 ГБ	10 ГБ	~$0.03–0.08/час
+ Ollama (Llama 3.1 8B)	RTX 3090	24 ГБ	16 ГБ	40 ГБ	$0.07–0.21/ч
+ Ollama (Mistral 7B + embeddings)	RTX 3090	24 ГБ	16 ГБ	30 ГБ	$0.07–0.21/ч
+ Ollama (Qwen2.5 32B)	RTX 4090	24 ГБ	32 ГБ	60 ГБ	$0.14–0.42/ч
+ vLLM (production)	A100 80 ГБ	80 ГБ	64 ГБ	100 ГБ	голое железо

Примечание: Flowise комфортно работает на любом сервере Clore.ai. GPU нужен только если вы хотите бесплатный локальный inference. См. Руководство по сравнению GPU.

требования к серверу Clore.ai:

• Docker Engine (предустановлен на всех образах Clore.ai)

• NVIDIA Container Toolkit (только для GPU/Ollama)

• Порт 3000 доступен (или проброшен в панели Clore.ai)

• Минимум 2 ГБ свободной RAM, 10 ГБ дискового пространства

---

Быстрый старт

Шаг 1: Забронируйте сервер на Clore.ai

В маркетплейс Clore.ai:

• Для использования только через API: любой сервер, фильтр по RAM ≥ 4 ГБ

• Для локальной LLM: фильтр по GPU ≥ 24 ГБ VRAM

• Убедитесь, что Docker включён в шаблоне

Подключитесь по SSH:

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

Шаг 2: Запустите Flowise (одной командой)

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 через 20–30 секунд.

Шаг 3: Проверьте, что он запущен

# Проверить статус контейнера
docker ps | grep flowise

# Проверьте логи
docker logs flowise --tail 20

# Проверить API
curl http://localhost:3000/api/v1/chatflows

Шаг 4: Откройте UI

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

Проброс портов в Clore.ai: Убедитесь, что порт 3000 проброшен в конфигурации вашего сервера Clore.ai. Перейдите в детали сервера → Ports → проверьте, 3000:3000 что он mapped. Некоторые шаблоны по умолчанию открывают только SSH.

---

Конфигурация

Постоянное хранилище

Подключите volumes, чтобы ваши flows, учётные данные и загрузки переживали перезапуск контейнера:

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 логином и паролем:

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 задавайте учётные данные, если публикуете Flowise в Clore.ai. Без аутентификации любой, кто знает IP вашего сервера, сможет получить доступ к вашим flows и API-ключам.

Полная справка по переменным окружения

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

Переменная	Описание	По умолчанию
PORT	Порт веб-сервера	3000
FLOWISE_USERNAME	Имя администратора (включает аутентификацию)	— (без аутентификации)
FLOWISE_PASSWORD	Пароль администратора	—
FLOWISE_SECRETKEY_OVERWRITE	Ключ шифрования для учётных данных	Генерируется автоматически
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 code nodes	—
TOOL_FUNCTION_EXTERNAL_DEP	Разрешённые npm-пакеты в code nodes	—
CORS_ORIGINS	Разрешённые CORS-origin для API	*
IFRAME_ORIGINS	Разрешённые origin для встраивания iframe	*

Docker Compose (рекомендуется)

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

# 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 вариант с PostgreSQL:

# /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:

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 занимается оркестрацией — тяжёлую работу выполняет GPU в подключённых сервисах.

Flowise + Ollama (рекомендуется)

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

# 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: Скачайте модели
docker exec ollama ollama pull llama3.1:8b          # Модель для чатов/агентов
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 хостовой 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 компонент node (в разделе Chat Models)

   • Базовый URL: http://host.docker.internal:11434

   • Имя модели: llama3.1:8b

3. Добавьте OllamaEmbeddings node (для RAG)

   • Базовый URL: http://host.docker.internal:11434

   • Имя модели: nomic-embed-text

4. Подключитесь к своему Vector Store (Chroma, FAISS, Qdrant)

Смотрите полное руководство по Ollama для загрузки моделей и настройки GPU.

Flowise + vLLM (production-масштаб)

Для высокопроизводительного сервинга, совместимого с OpenAI:

# Запустить 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 node ChatOpenAI с пользовательским base URL:
# Base URL: http://host.docker.internal:8000/v1
# OpenAI API Key: (любое значение)
# Model Name: mistralai/Mistral-7B-Instruct-v0.3

См. руководство по vLLM по квантованию и конфигурациям с несколькими GPU.

Создание локального RAG-чат-бота

Полный flow в Flowise без единого внешнего API-вызова на Clore.ai:

Узел	Компонент	Settings
1	Загрузчик PDF-файлов	Загрузите документ
2	Рекурсивный текстовый сплиттер	Chunk: 1000, Overlap: 200
3	Эмбеддинги Ollama	Модель: nomic-embed-text
4	Векторное хранилище в памяти	(или Chroma для постоянного хранения)
5	Ollama Chat	Модель: llama3.1:8b
6	Conversational Retrieval QA	Тип цепочки: Stuff
7	Буферная память	Память на основе сессии

Экспортируйте это как API и встроите чат-виджет на любой сайт.

---

Советы и лучшие практики

1. Регулярно экспортируйте flows

Перед остановкой или сменой серверов Clore.ai:

# Экспортировать все flows 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 Embed Widget

Каждый chatflow Flowise генерирует готовый к production чат-виджет:

1. Откройте свой chatflow → Нажмите </> кнопку (Embed)

2. Скопируйте фрагмент скрипта

3. Вставьте в любую HTML-страницу — мгновенный бот поддержки клиентов

3. Безопасно управляйте API-ключами

Храните все LLM API-ключи в панели Credentials Flowise (не хардкодьте их в flows):

• Меню → Credentials → Add Credential

• Ключи шифруются с помощью FLOWISE_SECRETKEY_OVERWRITE

4. Ограничение скорости

Для публичных развёртываний добавьте rate limiting через Nginx или Caddy перед Flowise:

# Простая конфигурация reverse proxy nginx
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

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

# Проверить логи Flowise на ошибки
docker logs flowise --tail 50 -f

# Проверить, вызываются ли flows
docker logs flowise 2>&1 | grep "Prediction"

6. Создайте резервную копию базы данных SQLite

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

# Или автоматизировать с помощью 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 немедленно завершается

# Проверить причину завершения
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 volume
ls -la /opt/flowise/
chown -R 1000:1000 /opt/flowise/data

UI показывает "Connection Failed"

# Проверьте, 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

Flows завершаются с ошибками LLM

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

# Если это не сработало, проверьте, что --add-host был включён:
docker inspect flowise | grep -A5 ExtraHosts

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

Ошибки миграции базы данных при обновлении

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

# Скачать новый образ
docker pull flowiseai/flowise:latest

# Перезапустить с тем же volume (миграции выполняются автоматически)
docker stop flowise && docker rm flowise
docker run -d --name flowise ... flowiseai/flowise:latest
docker logs flowise -f  # Следите за выводом миграции

Ошибки расшифровки учётных данных после перезапуска

# Если вы не задали FLOWISE_SECRETKEY_OVERWRITE, при перезапуске генерируется новый ключ
# Всегда задавайте его явно:
-e FLOWISE_SECRETKEY_OVERWRITE=your-stable-32-char-secret

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

Ошибки CORS у чат-виджета

# Разрешите конкретные origin (в production замените * на ваш домен)
-e CORS_ORIGINS=https://yourdomain.com,http://localhost:3000
-e IFRAME_ORIGINS=https://yourdomain.com

---

Дополнительное чтение

• GitHub-репозиторий Flowise — Исходный код, релизы, официальный docker-compose

• Документация Flowise — Справочник по узлам, API-документация, руководства по развёртыванию

• Discord Flowise — Шаблоны сообщества, обмен flows, поддержка

• Docker Hub: flowiseai/flowise — Более 5 млн загрузок, доступные теги

• Ollama на Clore.ai — Запускайте локальные LLM бесплатно для inference в Flowise

• vLLM на Clore.ai — Обслуживание LLM промышленного масштаба для Flowise

• Руководство по сравнению GPU — Выберите подходящий GPU для вашего стека

• Документация LangChain.js — Справочник базового фреймворка