TL;DR
Flowise 是 開源的視覺化 AI workflow/agent builder。本次實測我們用 Docker 自架，建立一個「內部文件 Q&A」的 Agentflow，並透過 API 串接到內部工具。結論：Worth Watching，如果你要快速驗證 agent workflow 很方便，但維護成本仍需評估。
這個工具解決什麼問題
- 不想從零寫 LangChain / tool calling？Flowise 讓你用視覺化流程組 agent
- 需要快速驗證 RAG/Agentflow 的設計？Flowise 提供模板與可視化 debug
- 團隊需要非工程師也能參與流程設計？Flowise 有明確的 UI 編排
安裝與設定
環境需求
- Docker
- Node.js 20+（如果你要自訂元件）
Docker 方式快速啟動
docker run -d \
-p 3000:3000 \
-e FLOWISE_USERNAME=admin \
-e FLOWISE_PASSWORD=admin \
-v flowise_data:/root/.flowise \
--name flowise \
flowiseai/flowise啟動後開 http://localhost:3000，用 admin/admin 登入。
實際使用
Use Case: 內部文件 Q&A Agentflow
- 進入 Agentflow 建立新流程
- 加入「Document Loader」→ 指向內部文件資料夾
- 加入「Vector Store」→ 建索引
- 加入「Agent」節點，設定 System Prompt：
你是內部知識助理，必須引用文件內容回答。
- 加入「Memory」節點，保留對話上下文
API 串接（實際呼叫）
Flowise 會提供一個 API endpoint。示例：
curl -X POST http://localhost:3000/api/v1/prediction/<FLOW_ID> \
-H "Content-Type: application/json" \
-d '{
"question": "我們的 code review 流程是什麼？"
}'實測結果
- 回應速度：1~3 秒（本機 LLM or 連外 API 依設定而定）
- 可視化 debug 很方便：每個節點都有輸入/輸出紀錄
- 對非工程師友善：可直接調整 prompt/流程
跟現有工具比較
Flowise vs 手寫 LangChain：
- 設定難度：Flowise 低，LangChain 高
- 彈性：LangChain 高，Flowise 中
- 維護成本：Flowise 中（UI 版本更新會影響流程）
結論
- 推薦程度：Worth Watching
- 影響評估：Incremental
- 適合誰：需要快速驗證 AI workflow、團隊有 PM/非工程師參與
- 不適合誰：要高度客製化 pipeline 或有嚴格維運要求的團隊
- 我們會繼續用嗎：會，用於 POC 和流程設計階段
基於實際安裝測試撰寫，非業配。