> 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/platformy-i-agenty-ii/flowise.md).

# 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](https://github.com/FlowiseAI/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 Hub**Flowise 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](https://clore.ai/bare-metal) |

> **Примечание:** Flowise комфортно работает на любом сервере Clore.ai. GPU нужен только если вы хотите бесплатный локальный inference. См. [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 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](https://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:

```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` через 20–30 секунд.

### Шаг 3: Проверьте, что он запущен

```bash
# 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:

```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 логином и паролем:

```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 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

```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
```

| 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:

```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 вариант 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 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:

```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: 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](/guides/guides_v2-ru/yazykovye-modeli/ollama.md) для загрузки моделей и настройки GPU.

### Flowise + vLLM (production-масштаб)

Для высокопроизводительного сервинга, совместимого с OpenAI:

```bash
# 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](/guides/guides_v2-ru/yazykovye-modeli/vllm.md) 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:

```bash
# 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:

```bash
# 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

```bash
# 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

```bash
# 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

```bash
# 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"

```bash
# 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

```bash
# 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

```bash
# 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

```bash
# 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

```bash
# 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](https://github.com/FlowiseAI/Flowise) — Исходный код, релизы, официальный docker-compose
* [Документация Flowise](https://docs.flowiseai.com) — Справочник по узлам, API-документация, руководства по развёртыванию
* [Discord Flowise](https://discord.gg/jn8n7yb9N) — Шаблоны сообщества, обмен flows, поддержка
* [Docker Hub: flowiseai/flowise](https://hub.docker.com/r/flowiseai/flowise) — Более 5 млн загрузок, доступные теги
* [Ollama на Clore.ai](/guides/guides_v2-ru/yazykovye-modeli/ollama.md) — Запускайте локальные LLM бесплатно для inference в Flowise
* [vLLM на Clore.ai](/guides/guides_v2-ru/yazykovye-modeli/vllm.md) — Обслуживание LLM промышленного масштаба 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 базового фреймворка


---

# 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/platformy-i-agenty-ii/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.