可视化编排LangChain节点，无需编写代码。
实时测试，立即看到效果，快速迭代。
100+ 预设模板，开箱即用的解决方案。
| 特性 | Flowise | Dify | LangChain |
|---|---|---|---|
| 核心定位 | LangChain可视化 | 完整LLMOps平台 | 代码框架 |
| 学习难度 | 简单 | 简单 | 中等 |
| 灵活性 | 高（基于LangChain） | 中 | 最高 |
| 适用场景 | 快速原型、学习 | 企业应用 | 定制开发 |
# 拉取镜像 docker pull flowiseai/flowise # 运行 docker run -d \ --name flowise \ -p 3000:3000 \ -v ~/.flowise:/root/.flowise \ flowiseai/flowise # 访问 http://localhost:3000
# 全局安装 npm install -g flowise flowise start # 或直接运行 npx flowise start # 自定义端口 flowise start --port 3001
🎉 完成！你已经创建了第一个AI聊天应用
可以通过API调用，或嵌入到网站中。
基础聊天机器人
PDF文档问答
网页内容问答
工具调用Agent
多步骤处理
数据库查询
10分钟搭建支持多文档的智能问答系统
支持文本、图片分析、网页搜索的全能助手
import requests
API_URL = "http://localhost:3000/api/v1/prediction/your-chatflow-id"
def query(question):
response = requests.post(
API_URL,
json={"question": question}
)
return response.json()
result = query("什么是Flowise？")
print(result['text'])
async function query(question) {
const response = await fetch(
'http://localhost:3000/api/v1/prediction/your-id',
{
method: 'POST',
headers: {
'Content-Type': 'application/json'
},
body: JSON.stringify({ question })
}
);
const data = await response.json();
return data.text;
}
const answer = await query("什么是Flowise？");
// 添加API Key认证
headers: {
'Content-Type': 'application/json',
'Authorization': 'Bearer your-api-key'
}
扩展Flowise功能，创建自己的节点
// 创建自定义工具节点
class CustomTool implements INode {
label = '自定义工具';
name = 'customTool';
type = 'CustomTool';
async init() {
// 初始化逻辑
}
async run(nodeData) {
// 工具执行逻辑
return result;
}
}
配置数据库存储对话历史
# docker-compose.yml
services:
flowise:
image: flowiseai/flowise
environment:
- DATABASE_TYPE=postgres
- DATABASE_HOST=postgres
- DATABASE_PORT=5432
- DATABASE_NAME=flowise
postgres:
image: postgres:15
volumes:
- pgdata:/var/lib/postgresql/data
Flowise：基于LangChain，更灵活，适合开发者
Dify：功能更完整，更适合企业和非技术用户
建议：熟悉LangChain选Flowise，要完整平台选Dify
支持主流向量数据库：Pinecone、Qdrant、Chroma、Milvus、Weaviate、Supabase、Postgres (pgvector)等
Flowise创建的流程基于LangChain，可以导出为Python代码继续开发。点击"View Code"按钮即可查看等价的LangChain代码。