Flowise — конструктор AI-агентов

Разверните Flowise на Clore.ai — создавайте и размещайте визуальные чат-боты на основе LLM, AI-агентов и RAG-конвейеры на доступных GPU-серверах с интерфейсом перетаскивания без кода и мгновенными API-эндпоинтами.

Обзор

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.

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:

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:

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 в течение 20–30 секунд.

Шаг 3: Проверьте, что он запущен

# 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:

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:

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

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:

# 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:

# /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 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:

# 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:

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

См. полный руководство по Ollama для загрузки моделей и настройки GPU.

Flowise + vLLM (продакшн-масштаб)

Для OpenAI-совместимого высокопропускного обслуживания:

# 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 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

Загрузчик PDF-файлов

Загрузить документ

Рекурсивный разделитель текста

Чанк: 1000, перекрытие: 200

Эмбеддинги Ollama

Модель: nomic-embed-text

Векторное хранилище в памяти

(или Chroma для постоянного хранения)

Чат Ollama

Модель: llama3.1:8b

Разговорный Retrieval QA

Тип цепочки: Stuff

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:

# 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:

Откройте ваш chatflow → Нажмите </> кнопку (Embed)
Скопируйте фрагмент скрипта
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:

# 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

# 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

# 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

# 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»

# 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

# 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

# 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

# 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

# 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 — Исходный код, релизы, официальный docker-compose
Документация Flowise — Справочник по узлам, документация API, руководства по развёртыванию
Discord Flowise — Сообщества, шаблоны, обмен потоками, поддержка
Docker Hub: flowiseai/flowise — 5M+ загрузок, доступные теги
Ollama на Clore.ai — Запускайте локальные LLM бесплатно для вывода Flowise
vLLM на Clore.ai — Обслуживание LLM на уровне продакшн для Flowise
Руководство по сравнению GPU — Выберите подходящий GPU для вашего стека
Документация LangChain.js — Справочник по базовому фреймворку

ПредыдущаяLangflow — визуальный конструктор ИИ СледующаяMetaGPT — компания-разработчик ПО

Последнее обновление 23 часа назад

Это было полезно?

hashtagОбзор

hashtagТребования

hashtagБыстрый старт

hashtagШаг 1: Забронируйте сервер на Clore.ai

hashtagШаг 2: Запустите Flowise (одной командой)

hashtagШаг 3: Проверьте, что он запущен

hashtagШаг 4: Откройте интерфейс

hashtagКонфигурация

hashtagПостоянное хранилище

hashtagАутентификация

hashtagПолный справочник переменных окружения

hashtagDocker Compose (рекомендуется)

hashtagУскорение на GPU (интеграция локальной LLM)

hashtagFlowise + Ollama (рекомендуется)

hashtagFlowise + vLLM (продакшн-масштаб)

hashtagСоздание полностью локального RAG-чат-бота

hashtagПодсказки и лучшие практики

hashtag1. Регулярно экспортируйте потоки

hashtag2. Используйте встраиваемый виджет

hashtag3. Безопасно управляйте API-ключами

hashtag4. Ограничение скорости

hashtag5. Мониторинг производительности

hashtag6. Резервное копирование SQLite базы данных

hashtagУстранение неполадок

hashtagКонтейнер сразу выходит

hashtagВ интерфейсе отображается «Connection Failed»

hashtagПотоки завершаются с ошибками LLM

hashtagОшибки миграции базы данных при обновлении

hashtagОшибки расшифровки учётных данных после перезапуска

hashtagCORS-ошибки виджета чата

hashtagДополнительное чтение

Обзор

Требования

Быстрый старт

Шаг 1: Забронируйте сервер на Clore.ai

Шаг 2: Запустите Flowise (одной командой)

Шаг 3: Проверьте, что он запущен

Шаг 4: Откройте интерфейс

Конфигурация

Постоянное хранилище

Аутентификация

Полный справочник переменных окружения

Docker Compose (рекомендуется)

Ускорение на GPU (интеграция локальной LLM)

Flowise + Ollama (рекомендуется)

Flowise + vLLM (продакшн-масштаб)

Создание полностью локального RAG-чат-бота

Подсказки и лучшие практики

1. Регулярно экспортируйте потоки

2. Используйте встраиваемый виджет

3. Безопасно управляйте API-ключами

4. Ограничение скорости

5. Мониторинг производительности

6. Резервное копирование SQLite базы данных

Устранение неполадок

Контейнер сразу выходит

В интерфейсе отображается «Connection Failed»

Потоки завершаются с ошибками LLM

Ошибки миграции базы данных при обновлении

Ошибки расшифровки учётных данных после перезапуска

CORS-ошибки виджета чата

Дополнительное чтение