Flowise

想自己架一套視覺化 LLM 工作流工具,拖拉節點就組出聊天機器人與 Agent — Flowise 是這條路上最常見的開源選項之一。

它是什麼

• 開發商:FlowiseAI(開源專案,社群驅動)
• 核心能力:視覺化畫布串接模型、提示詞、記憶與向量庫,組成 LLM 應用或 Agent,常見於自架部署
• 同類定位:與 Langflow 同類 — Flowise 建在 JavaScript/Node.js 生態;相較 Dify,它更輕量、更像「工程零件」

典型情境

• 在公司伺服器自架,拖出「知識庫檢索 + 回答」的內部問答機器人
• 把組好的流程以 API 形式提供給前端或既有系統呼叫
• 實驗多步驟 Agent:先查資料、再整理、最後產出報告草稿
• 教學與展示:讓非工程成員看懂 LLM 應用的組成邏輯

選型重點

• 熟 Node.js、要輕量自架 → Flowise;熟 Python 生態 → Langflow
• 要營運級功能與完整發布管理 → Dify;Flowise 勝在簡單與部署彈性
• 自架的資安與更新維運自負;串接外部模型 API 時,注意資料外流範圍
• 開源授權相對友善,適合先驗證構想,再決定要不要換更重的平台

💡 一句話記憶:Flowise = 自架版的 LLM 積木桌,Node.js 生態的 Langflow。

iPAS 考點

科目二工具辨識:判斷關鍵字是視覺化 LLM/Agent 工作流、常見於自架、Low-code。考法多為情境選平台:題幹強調「自架、視覺化組 LLM 應用」→ Flowise 或 Langflow;強調「完整平台含知識庫與發布」→ Dify;強調「串接數百種 SaaS」→ 那是 Zapier 類,別選錯賽道。