flowiseai/flowise

Flowise Docker 镜像文档

!https://raw.githubusercontent.com/FlowiseAI/Flowise/refs/heads/main/images/flowise_white.svg

镜像概述和主要用途

Flowise 是一个低代码开发工具，用于可视化构建大型语言模型(LLM)应用程序和AI代理。通过直观的拖放界面，用户可以轻松设计、测试和部署复杂的AI工作流程，无需深入的编程知识。

该Docker镜像封装了Flowise的完整运行环境，提供了一种简单、一致且隔离的方式来部署和运行Flowise应用程序。

核心功能和特性

• 可视化流程图编辑器：通过拖放界面构建AI工作流程
• 多模型支持：兼容主流的大型语言模型，如GPT、Claude、LLaMA等
• 丰富的节点库：包含提示词工程、向量存储、工具集成等多种节点类型
• 实时调试：即时测试和调整AI流程
• 一键部署：快速将设计好的流程部署为API服务
• 用户认证：支持基于用户名密码的访问控制
• 模块化架构：包含服务器后端、React前端和第三方节点集成组件

使用场景和适用范围

Flowise适用于以下场景：

• AI应用原型开发：快速构建和演示LLM应用概念
• 内容生成工作流：自动化报告、邮件、创意内容的生成过程
• 智能客服系统：构建具有知识库和工具调用能力的客服代理
• 数据分析助手：创建能够理解和处理结构化/非结构化数据的AI助手
• 教育工具：开发交互式学习助手和教学内容生成器
• 企业内部工具：定制化的文档处理、信息提取和分析工具

适用用户群体包括AI开发者、产品经理、数据分析师、研究人员以及需要快速实现AI功能的业务团队。

使用方法和配置说明

系统要求

• Docker Engine 20.10.0+
• Docker Compose (可选) 2.0.0+
• 至少1GB RAM，推荐2GB+
• 网络连接（用于下载模型和依赖）

Docker Compose 部署

1. 克隆Flowise项目仓库:

   bash
   git clone https://github.com/FlowiseAI/Flowise.git
   cd Flowise
   

2. 进入项目根目录下的docker文件夹:

   bash
   cd docker
   

3. 复制环境变量示例文件并修改:

   bash
   cp .env.example .env
   

4. 编辑.env文件配置必要参数（可选）:

   # 服务器配置
   PORT=3000
   
   # 认证配置（可选）
   FLOWISE_USERNAME=admin
   FLOWISE_PASSWORD=your_secure_password
   
   # 数据存储配置
   DATABASE_PATH=/app/.flowise
   

5. 启动服务:

   bash
   docker compose up -d
   

6. 访问Flowise界面: 打开浏览器访问 http://localhost:3000

7. 停止服务:

   bash
   docker compose stop
   

Docker 镜像部署

1. 拉取Flowise官方镜像:

   bash
   docker pull flowiseai/flowise
   

   或构建本地镜像:

   bash
   git clone https://github.com/FlowiseAI/Flowise.git
   cd Flowise
   docker build --no-cache -t flowise .
   

2. 运行Flowise容器:

   bash
   docker run -d \
     --name flowise \
     -p 3000:3000 \
     -v ~/.flowise:/app/.flowise \
     flowiseai/flowise
   

3. 带认证的运行方式:

   bash
   docker run -d \
     --name flowise \
     -p 3000:3000 \
     -v ~/.flowise:/app/.flowise \
     -e FLOWISE_USERNAME=admin \
     -e FLOWISE_PASSWORD=your_secure_password \
     flowiseai/flowise
   

4. 停止容器:

   bash
   docker stop flowise
   

5. 查看容器日志:

   bash
   docker logs -f flowise
   

环境变量配置

Flowise支持多种环境变量来自定义配置，主要包括：

完整的环境变量列表可参考项目的官方文档。

身份验证设置

要启用应用级身份验证，需要设置FLOWISE_USERNAME和FLOWISE_PASSWORD环境变量：

1. 使用Docker Compose时，编辑docker/.env文件:

   FLOWISE_USERNAME=your_username
   FLOWISE_PASSWORD=your_secure_password
   

2. 使用Docker run命令时，添加环境变量参数:

   bash
   docker run -d \
     --name flowise \
     -p 3000:3000 \
     -e FLOWISE_USERNAME=your_username \
     -e FLOWISE_PASSWORD=your_secure_password \
     flowiseai/flowise
   

设置后，访问Flowise时将需要输入用户名和密码进行登录。

开发人员指南

本地开发环境

如果需要基于Docker镜像进行开发，可以使用以下方法：

1. 克隆代码仓库:

   bash
   git clone https://github.com/FlowiseAI/Flowise.git
   cd Flowise
   

2. 使用开发模式启动容器:

   bash
   docker compose -f docker-compose.dev.yml up -d
   

3. 访问开发环境: 打开浏览器访问 http://localhost:8080

4. 代码修改会自动同步到容器中并热重载

数据持久化

Flowise的数据（包括流程图、配置和数据库）默认存储在容器内的/app/.flowise目录。为了确保数据持久化，建议使用Docker卷挂载该目录：

bash
docker run -d \
  --name flowise \
  -p 3000:3000 \
  -v flowise_data:/app/.flowise \
  flowiseai/flowise

或在docker-compose.yml中配置:

yaml
volumes:
  flowise_data:
    driver: local
services:
  flowise:
    ...
    volumes:
      - flowise_data:/app/.flowise

常见问题解决

端口冲突

如果3000端口已被占用，可以通过环境变量更改端口：

bash
docker run -d \
  --name flowise \
  -p 4000:4000 \
  -e PORT=4000 \
  flowiseai/flowise

内存不足

对于复杂的AI流程，可能需要增加容器的内存限制：

yaml
# 在docker-compose.yml中
services:
  flowise:
    ...
    deploy:
      resources:
        limits:
          memory: 4G

自托管和云部署选项

Flowise除了本地Docker部署外，还支持多种自托管和云部署方式：

• AWS：通过ECS、EC2或Elastic Beanstalk部署
• Azure：使用App Service或Container Instances
• Google Cloud：通过Cloud Run或GKE部署
• Digital Ocean：使用App Platform或Droplets
• 阿里云：通过容器服务或计算巢部署

详细的云部署指南请参考官方部署文档。

许可证信息

Flowise源代码基于https://github.com/FlowiseAI/Flowise/blob/main/LICENSE.md%E5%BC%80%E6%BA%90%E3%80%82

支持和社区

• *****：[*]
• GitHub讨论：https://github.com/FlowiseAI/Flowise/discussions
• 文档：[***]
• *******：@FlowiseAI

版本更新

要更新Flowise Docker镜像，请执行以下命令：

bash
# 拉取最新镜像
docker pull flowiseai/flowise

# 停止并删除现有容器
docker stop flowise
docker rm flowise

# 使用新镜像启动容器
docker run -d --name flowise -p 3000:3000 flowiseai/flowise

建议在更新前备份数据卷中的内容。