Flowise:拖拽搭出 RAG 与智能体
Docker 自部署 国内可用拖拽式 LLM 流程编排
工具介绍
Flowise:拖拽搭出 RAG 与智能体
Flowise 是开源的低代码 LLM 应用编排工具:把 LangChain 生态里的模型、检索器、记忆与 Agent 组件画成可拖拽的节点卡片,连线即成应用,一条 API 对外发布。相比平台型产品,它更像轻量的「搭积木底座」,单体镜像即可起步。
一、核心优势
1. 低代码门槛,可视化即所得
机制:画布上拖入对话模型、向量库、文档加载器与 Agent 节点连线成流程,每个节点有参数面板,聊天窗口即时试跑,跑通后一键生成 API 与嵌入代码。
对你的意义:不熟 LangChain 代码也能把「文档问答」「带工具的智能体」跑起来,学概念的成本变成了看图连线。
2. 底层就是 LangChain 生态,迁移成本低
机制:节点对应 LangChain 组件,参数与概念一致;复杂逻辑可以下钻到函数节点写代码,流程也能导出继续开发。
对你的意义:从原型到工程只有一步之遥——画布里验证的想法,换到代码侧不用推翻重来。
3. 部署轻,资源账好算
机制:单个容器镜像一条命令起服务,端口 3000,数据本地落卷;相比全家桶式平台,依赖面与资源占用都小一号。
对你的意义:低配服务器、家用 NAS 甚至旧笔记本都能跑,试错的心理负担小。
适合谁
它适合想快速验证 RAG 与智能体想法的人:开发者拿它做 LangChain 的可视化草稿纸,产品与运营用它搭内部演示,教学场景拿它讲清 RAG 链路。前提是接受它的定位——它是编排工具,不是开箱即用的成品应用,发布出的应用要自己套壳与维护;向量库、模型与文档解析等外部件要自己备。怕折腾程度低到中:单体起步很轻,难点在流程设计思路与节点参数理解,遇到复杂分支需要一点编程常识。要的是给全公司用的成熟平台,它单薄;要的是把脑子里的 AI 应用想法今天就连线跑通,它正好。
惊蛰 整理 · 2026-09 收录
评测视频
点击跳转 B 站观看原视频已聚合 2 条评测视频 ·2 位博主独立评测
部署速查
部署前提
- Docker 与 Compose v2;流程画布、凭据、密钥落在本挂载目录。
docker-compose.yml
由官方 README 安装命令(docker run)等价改写,补了数据持久化卷。
services:
flowise:
image: flowiseai/flowise
container_name: flowise
restart: unless-stopped
ports:
- "3000:3000"
volumes:
- ./.flowise:/root/.flowise
启动与初始化
docker compose up -d后浏览器打开 http://<主机IP>:3000。- 进画布新建 Chatflow,在凭据里配好模型 API 密钥或本地模型地址。
- 拖一个对话模型节点加一个文档检索节点连线,传一份 PDF 跑通第一个文档问答;升级 pull + up,备份 = .flowise 目录。
同类对比
| 工具 | 形态 | 价格 | 国内可用 |
|---|---|---|---|
| Flowise:拖拽搭出 RAG 与智能体 | 自部署 | 基础免费 | 国内可用 |
| n8n | 自部署 | 基础免费 | 国内可用 |
| Dify | 自部署 | 基础免费 | 国内可用 |
| Open WebUI | 自部署 | 免费 | 国内可用 |
快速上手
本页由编辑 惊蛰 整理与维护 · 了解幕后



