36.7K star！拖拽构建AI流程，这个开源LLM应用框架绝了！

只需拖拽节点，5分钟搭建专属AI工作流！ 

Flowise 是一款革命性的低代码LLM应用构建工具，开发者通过可视化拖拽界面，就能快速搭建基于大语言模型的智能工作流。该项目在GitHub上线不到1年就斩获36.7K星标，被开发者誉为"AI时代的乐高积木"。

// 典型应用场景代码示例
const flow = {
  nodes: [
    { type: '文档加载', params: { path: '年度报告.pdf' } },
    { type: '文本向量化', model: 'text-embedding-3-small' },
    { type: '问答链', prompt: "总结文档中的关键数据" }
  ],
  connections: [
    { source: '文档加载', target: '文本向量化' },
    { source: '文本向量化', target: '问答链' }
  ]
}

核心功能

可视化流程设计器

• 拖拽式节点编排：内置50+预置节点，涵盖文档处理、模型调用、API对接等
• 实时调试面板：每个节点都可单独测试，支持中间结果预览
• 版本控制：自动保存流程历史版本，支持一键回滚

多模型支持

企业级功能

• RAG增强：支持PDF/Word/网页等20+格式文档解析
• 权限管理：细粒度团队协作权限控制
• 监控看板：实时统计token消耗和API调用

技术架构

快速入门

本地部署（3步完成）

# 1. 安装依赖
npm install -g flowise

# 2. 启动服务（带鉴权）
npx flowise start --FLOWISE_USERNAME=admin --FLOWISE_PASSWORD=123456

# 3. 访问界面
http://localhost:3000

典型应用场景

1. 智能客服系统：接入企业知识库，自动回答产品问题
2. 合同审查助手：解析法律文件，自动生成风险报告
3. 科研文献分析：批量处理论文，提取关键研究成果
4. 智能招聘系统：自动解析简历，生成候选人评估

产品优势

项目实践

构建智能邮件分类器

1. 拖入「邮件接收」节点配置IMAP协议
2. 连接「文本分类」节点选择分类模型
3. 添加「自动回复」节点设置不同场景模板
4. 部署为API接入企业邮件系统

同类项目推荐

1. LangChain（43.8K⭐）
   知名LLM应用框架，需要较强编程能力，适合深度定制场景

2. LlamaIndex（29.1K⭐）
   专业的数据连接器，擅长构建结构化数据管道

3. AutoGPT（154K⭐）
   自动化AI代理，适合开发自主决策型应用

4. Haystack（13.2K⭐）
   专注搜索场景的LLM框架，内置丰富检索组件

总结

Flowise 重新定义了LLM应用的开发方式，通过三大创新点引领行业：

1. 零代码可视化：业务专家也能直接参与AI流程设计
2. 开箱即用：预置企业级功能，省去重复造轮子
3. 弹性扩展：支持从单机部署到K8s集群的平滑扩容

无论是初创团队快速验证AI创意，还是大型企业构建智能中台，Flowise 都能提供最佳实践方案。

项目界面

项目地址

https://github.com/FlowiseAI/Flowise