过去一年，我断断续续想做一个客服 AI，把自己的知识库接进去，但每次看到 LangChain 的文档就放弃了——光环境配置就劝退。直到我发现了 Flowise，一个用拖拽就能搭 AI Agent 的开源工具，用了之后才发现：原来不用写代码，也能玩转大模型。

做独立开发这些年，大模型刚出来那会儿我就想接，但门槛实在太高：LangChain 的链式调用、向量数据库的选型、Prompt 的调试……每个环节都要写代码，调试周期以周计。对于只想「把我写的文章变成可以对话的知识库」这个简单需求，这些学习成本高得离谱。

Flowise 就是来解决这个问题的：把 AI 应用的构建过程可视化，所有模块都能拖拽拼接，不需要写一行代码，就能跑起一个完整的 RAG（检索增强生成）应用。

Flowise 来自 GitHub（FlowiseAI/Flowise），2023 年上线，目前已经累积了 53K 颗星、24K 次 Fork——这个量级在 AI 工具类开源项目里已经是顶级存在。项目用的是 TypeScript + React，技术栈主流，核心封装了 LangChain 的能力，输出成一套可视化界面。

作者是印度团队，背后是一家商业公司 FlowiseAI，同时提供云端托管版本。开源版本完全免费，自己部署也可以用 Docker 一键跑起来。

我认真体验了一下，最戳我的几个点：

拖拽搭 Agent，门槛是真的低

打开界面，左侧是组件面板，右侧是画布。想做一个基于文档的问答机器人？只需要三步：从左边拖一个「Document Store」进来，拖一个「LLM」进来，再拖一个「Chain」把它们串起来——连上线，连上 API Key，就能跑了。整个过程五分钟，不需要懂 LangChain，不需要懂向量数据库。

预置模板足够多，不用从零开始

Flowise 内置了大量模板：RAG 聊天机器人、命名实体识别、摘要生成、代码生成器……模板打开，改一改自己的文档和 Prompt，马上就能用。对于有明确需求的人来说，这省去了大量从零配置的时间。

API 接口直接暴露，可以接入现有系统

搭好的 Agent 可以一键生成 API 接口，后端直接调。对于有开发能力的团队来说，不用在 Flowise 的 UI 里操作，直接在自己系统里调用，体验更好。

支持多模型，不绑定 OpenAI

除了 GPT-4，还支持 Claude、Gemini、本地模型（Ollama）等等。如果你的场景不需要最强模型，切换到更便宜的选项，成本可以降很多。

不过有一点值得注意：Flowise 本质上是一个本地/私有部署的解决方案，界面本身不联网（除非你用官方托管版）。数据完全在自己手里，对于在意数据隐私的企业用户来说，这是个加分项。但反面是——首次部署还是需要一点技术基础，Docker 环境跑不通的小白用户可能要望而生畏。

如果你符合以下任意一条，Flowise 值得一试：

如果你是有深度 AI 工程经验的开发者，需要高度自定义的复杂 Agent 逻辑，Flowise 的可视化层反而可能成为限制——底层毕竟是封装好的组件，定制天花板有限。

Flowise 免费、开源、社区活跃（Discord 非常活跃），上手成本极低。如果你有「接大模型」的需求但被代码门槛劝退过，这个工具值得花 10 分钟跑起来试试。

试试看

想快速搭一个 AI Agent？