一、與知識對話
二、采集網(wǎng)頁問答
三、部署安裝flowise
flowise工程地址：https://github.com/FlowiseAI/Flowise
flowise 官方文檔：https://docs.flowiseai.com/
這里采用docker安裝：
step1：克隆工程代碼 （如果網(wǎng)絡(luò)不好，下載壓縮文件也是一樣）
git clone https://github.com/FlowiseAI/Flowise.git
step2：進(jìn)入工程目錄docker文件下復(fù)制 .env.example 內(nèi)容創(chuàng)建 .env
關(guān)于這個文件參數(shù)說明：https://github.com/FlowiseAI/Flowise/blob/main/CONTRIBUTING-ZH.md
數(shù)據(jù)庫支持 sqlite, mysql, postgres，這里我注釋了數(shù)據(jù)庫代碼，默認(rèn)則用sqlite；
如果想用mysql，postgres自己起服務(wù)也可以；注意mysql要8.0版本以上；
step3： 創(chuàng)建docker-compose-chroma.yml文件，這里是為了后續(xù)在組件當(dāng)中使用向量數(shù)據(jù)庫chroma
version: '3.1'
services:
flowise:
image: flowiseai/flowise
restart: always
environment:
- PORT=${PORT}
- FLOWISE_USERNAME=${FLOWISE_USERNAME}
- FLOWISE_PASSWORD=${FLOWISE_PASSWORD}
- DEBUG=${DEBUG}
- DATABASE_PATH=${DATABASE_PATH}
- APIKEY_PATH=${APIKEY_PATH}
- SECRETKEY_PATH=${SECRETKEY_PATH}
- FLOWISE_SECRETKEY_OVERWRITE=${FLOWISE_SECRETKEY_OVERWRITE}
- LOG_PATH=${LOG_PATH}
- LOG_LEVEL=${LOG_LEVEL}
- EXECUTION_MODE=${EXECUTION_MODE}
ports:
- '0.0.0.0:${PORT}:${PORT}'
volumes:
- ~/.flowise:/root/.flowise
networks:
- flowise_net
command: /bin/sh -c "sleep 3; flowise start"
networks:
flowise_net:
name: chroma_net
external: true
step4： 構(gòu)建容器并且啟動，在下圖所在所示路徑下構(gòu)建指定yml文件
docker-compose -f docker-compose-chroma.yml up -d
此時容器已經(jīng)起來了
四、部署安裝chroma
chroma工程地址：https://github.com/chroma-core/chroma
chroma官方文檔：https://docs.trychroma.com/
step1： 獲取chroma工程
git clone https://github.com/chroma-core/chroma.git
step2： 進(jìn)入工程路徑，構(gòu)建容器鏡像
cd chroma
docker-compose up -d --build
step3： 確認(rèn)2個服務(wù)已經(jīng)成功啟動
step4： 確認(rèn)chroma在docker容器中的IP地址，比如我的是 172.19.0.2
五、flowise使用教程
當(dāng)你按照我上面的步驟，部署啟動好了服務(wù)，訪問http://localhost:3008/
注意！
- 啟動服務(wù)，如果用openai的官方key，需要本地科學(xué)上網(wǎng)，否則對話會擦紅石
- 如下內(nèi)容，有很多場景可以實(shí)現(xiàn)，比如pdf文件識別，多組件構(gòu)成，必要條件你得掌握langchain
才能實(shí)現(xiàn)復(fù)雜功能開發(fā)
（1）關(guān)于flowise編排說明
flowise不同于傳統(tǒng)的編排，比如從左往右進(jìn)行，開始結(jié)束很明顯
所有的鏈接及其開發(fā)需要有一定的langchain認(rèn)知能力，可以參考我langchain專欄的文章，舉例
對于創(chuàng)建一個chain，其實(shí)可以遵循函數(shù)開發(fā)原理
關(guān)于langchain官方文檔：https://python.langchain.com/docs/get_started/introduction
（2）flowise 面板介紹
（3）簡單的LLM問答
（4）文件問答
（5）向量數(shù)據(jù)庫問答
在實(shí)現(xiàn)這個flow時候，需要提前將數(shù)據(jù)向量化到數(shù)據(jù)庫，準(zhǔn)備任意QA文檔，我這里50個歷史問答
step1 將文檔構(gòu)建到向量數(shù)據(jù)庫
from langchain.embeddings import OpenAIEmbeddings, SentenceTransformerEmbeddings
from langchain.text_splitter import RecursiveCharacterTextSplitter
from langchain.vectorstores import Chroma
from langchain.document_loaders import Docx2txtLoader
import chromadb
import os
import uuid
os.environ["OPENAI_API_KEY"] = '你的OpenAikey'
# 加載器
loader = Docx2txtLoader(r'C:\Users\wenwenc9\Desktop\歷史問題50問答.docx')
documents_source = loader.load()
# 切割文件
text_splitter = RecursiveCharacterTextSplitter(chunk_size=50, chunk_overlap=20)
documents = text_splitter.split_documents(documents_source)
將文件向量到數(shù)據(jù)庫
client = chromadb.HttpClient(host='localhost', port=8000)
# embedding_function = SentenceTransformerEmbeddings(model_name="all-MiniLM-L6-v2")
embedding_function = OpenAIEmbeddings(model="text-embedding-ada-002")
# 通過langchain使用向量庫
Chroma = Chroma(
client=client,
embedding_function=embedding_function,
)
try:
collection = client.create_collection(name='history-qa', embedding_function=embedding_function)
print("不存在集合，創(chuàng)建數(shù)據(jù)庫")
# 為每個文檔創(chuàng)建一個文檔id,并且將文檔id，元數(shù)據(jù)，文檔內(nèi)容添加到數(shù)據(jù)庫
# 為文檔增加id
doc_ids = [str(uuid.uuid4()) for _ in documents]
for i, _doc in enumerate(documents):
_id = doc_ids[i]
_doc.metadata['doc_id'] = _id # 構(gòu)建文檔序號屬性
Chroma._collection = collection
# 存儲文檔
Chroma.add_documents(documents)
except Exception as e:
collection = client.get_collection(name='history-qa', embedding_function=embedding_function)
Chroma._collection = collection
print('已經(jīng)存在集合，進(jìn)行查詢')
res = Chroma.as_retriever().invoke("歷史最早的紙幣是那個國家發(fā)行的?")
print(res)
step2：驗(yàn)證是否成功構(gòu)建生成向量
import os
os.environ["OPENAI_API_KEY"] = '你的key'
import chromadb
from langchain.embeddings import OpenAIEmbeddings
embedding_function = OpenAIEmbeddings()
client = chromadb.HttpClient(host='localhost', port=8000)
# 按名稱從現(xiàn)有集合中獲取集合對象。 如果未找到，將引發(fā)異常。
collection = client.get_collection(name="history-qa")
res = collection.peek(2) # 返回集合中前 2 項(xiàng)的列表
print(res)
step4 在flowise服務(wù)構(gòu)建 flow編排
（6）網(wǎng)頁采集問答
目標(biāo)地址文章來源：http://www.zghlxwxcb.cn/news/detail-766492.html
https://baike.baidu.com/item/%E8%83%8C%E5%BD%B1/2663983?fr=ge_ala
文章來源地址http://www.zghlxwxcb.cn/news/detail-766492.html
到了這里，關(guān)于低代碼！小白用10分鐘也能利用flowise構(gòu)建AIGC| 業(yè)務(wù)問答 | 文本識別 | 網(wǎng)絡(luò)爬蟲的文章就介紹完了。如果您還想了解更多內(nèi)容，請?jiān)谟疑辖撬阉鱐OY模板網(wǎng)以前的文章或繼續(xù)瀏覽下面的相關(guān)文章，希望大家以后多多支持TOY模板網(wǎng)！
