Flowise：拖拖拽拽搭 AI 流程，一行代码不用写

如果你想用 LangChain 搭一套 RAG 或者 AI Agent，基本操作是写一堆代码：配环境、import 一堆模块、写 prompt、调试连接……门槛说高不高，说低也不低。但如果你只是想快点看到效果，或者给不懂代码的同事演示一个 AI 流程，Flowise 就是来解决这个问题的。

Flowise 是一个开源的可视化 AI 流程构建工具。你不用写一行代码，只要在浏览器里拖拖拽拽，就能把 LLM、向量数据库、工具和 API 串成一个完整的 AI 应用。GitHub 上 53.9K Stars，24.6K Forks，是目前最火的 LangChain 可视化方案之一。

是什么

Flowise 是一个基于 LangChain 的低代码 AI 流程编辑器。你可以用它搭以下几类东西：

• 聊天机器人：接 OpenAI / Claude / 本地模型，带对话记忆的那种
• RAG 管道：文档向量化 → 检索 → 生成，一条流程搞定
• AI Agent：给 Agent 配上工具，让它自己调用搜索、计算、API
• 多步工作流：多个 LLM 节点串起来，分工协作

底层是 LangChain，UI 是 React.js，全栈 TypeScript，支持 Docker 部署，也支持直接 npm 全局安装跑本地。

上手有多快

从安装到跑起来，三行命令：

# 一行安装
npm install -g flowise

# 一行启动
npx flowise start

# 打开浏览器
# http://localhost:3000

Docker 方式同样简单：

git clone https://github.com/FlowiseAI/Flowise.git
cd Flowise/docker
docker compose up -d

进到界面之后，左边是节点面板，右边是画布。你把节点拖进来、连上线、配好参数，一个流程就搭好了。拿一个最简单的 RAG 流程来说：Document → Text Splitter → Embeddings → Vector Store → LLM Chain，五个节点，连起来，配好 OpenAI Key，就可以跑通。

几个用得上的场景

内部知识库问答。把公司的文档、Wiki、PDF 都扔进去搭一个 RAG 应用，团队成员直接问自然语言问题，比搜文档快多了。

客服机器人。配上对话记忆和工具调用，机器人不仅能回答问题，还能帮用户查订单、调用内部 API。

内容生成工作流。把几个 LLM 节点串起来，一个负责写标题，一个负责写正文，一个负责配图提示词，流水线生成内容。

快速原型验证。这是我个人觉得 Flowise 最值的地方。你有个 AI 产品的 idea，想快速验证流程是否合理，搭一个 Flowise 原型可能只需要 20 分钟，而用代码写可能需要两个小时。

不是没有槽点

生产级部署有门槛。Flowise 本身是给开发/原型用的，生产环境需要自己处理认证、多用户、高可用这些事。如果是给企业搭生产系统，还是得在 Flowise 外面包一层。

复杂流程容易乱。节点一多，连线密密麻麻，调试起来不比看代码省事。特别是涉及多 Agent 并行的时候，流程图看起来会很复杂。

中文资料少。英文文档质量不错，但中文社区基本没有。遇到问题基本只能去看 GitHub Issues 或者英文论坛。

版本更新快但偶有 breaking change。v3.1.2 是目前最新，如果从老版本升级，某些节点的行为可能有变化，需要注意 changelog。

同类横向对比

Flowise 不是这个赛道唯一的选手。

简单说：想快速跑起来、做原型、纯 AI 场景，Flowise 最轻。想多人协作、有完整后台，Dify 更完整。想一站式自动化包括 AI 之外的工作流，n8n 通用性更强。

总结

Flowise 解决的是一个很实在的问题：不是每个人都有能力从 LangChain 开始写代码，但很多人需要用 LangChain 的能力。它把门槛降到了「会拖鼠标就能用」，同时保留了足够的灵活性。

如果你正在做 AI 产品原型，或者想让非技术的同事也能体验 AI 流程，Flowise 值得一试。开源免费，Dify 自部署，GitHub 上 3 万多个 Stars 社区也在持续活跃。

GitHub：https://github.com/FlowiseAI/Flowise
官网：https://flowiseai.com
文档：https://docs.flowiseai.com

标签：#Flowise #低代码AI #LangChain #RAG #AI Agent #开源工具 #可视化编排

关注我，每期分享一个帮你省事的强大工具 🛠️