Importar un chatflow de Flowise — una cadena de conversación con un modelo de chat
Un chatflow de Flowise — un nodo ChatOpenAI, una Buffer Memory y una Conversation Chain — importado por aggrega import en un Aggregate, una Release y un Manifest que se compilan para Docker Compose tal como están escritos.
Importar un chatflow de Flowise lo recorre paso a paso: el comando, los archivos que escribe, la compilación y una ejecución de lo que compila. Esta carpeta contiene cada etapa de ese recorrido:
| carpeta | qué contiene |
|---|---|
source/ | el chatflow, support-chat.json; el .aggrega-config.yaml que convierte la carpeta en un espacio de trabajo; y import-answers.yaml, las respuestas a lo que ningún chatflow puede contener: el correo electrónico de la cuenta propietaria y los nombres de los Secrets de Kubernetes que pide una importación para Kubernetes |
draft/ | los archivos que escribió aggrega import support-chat.json --target compose, sin cambios, y lo que imprimió: stdout.txt en la salida estándar, import.txt en la salida de error estándar |
source/support-chat.json está escrito para este ejemplo, con la forma en que el editor de Flowise exporta un chatflow.
En un checkout del repositorio de la documentación, check.sh vuelve a ejecutar la importación, compara lo que escribe e imprime con draft/, compara los bloques que cita el recorrido con estos archivos, y valida y compila lo que escribió la importación. Necesita el catálogo de la biblioteca estándar (dónde conseguir uno) descargado junto a este repositorio, o su directorio indicado en AGGREGA_CATALOG_DIRS.
Generar el ejemplo
Puedes ejecutar la importación de este ejemplo con los comandos de abajo, o hacer que tu asistente de IA la ejecute por ti.
Escribe el ejemplo en una carpeta nueva con su nombre:
aggrega scaffold --example import-flowiseDespués imprime los comandos que hay que ejecutar a continuación. El primero entra en la carpeta nueva:
cd import-flowiseCompilación
La importación redacta los borradores de los archivos Aggrega junto al proyecto, en source/, toma el correo electrónico de la cuenta propietaria de import-answers.yaml y descarga lo que necesita la compilación. Evalúa el proyecto frente al catálogo de la biblioteca estándar, que el registro predeterminado del espacio de trabajo publica como una instantánea firmada: la primera importación lo obtiene, lo verifica, lo guarda en la caché de contenido del espacio de trabajo y lo nombra por su digest en el registro que escribe junto a los borradores. Un espacio de trabajo que nombra sus propias carpetas de catálogo — en AGGREGA_CATALOG_DIRS, o bajo workspace.catalog_dirs — importa en cambio frente a ellas:
cd sourceaggrega import support-chat.json --target composeaggrega validate --release release.yamlaggrega build --release release.yamlCómo ejecutar lo que escribe la compilación se explica en el recorrido enlazado arriba.
Con un asistente de IA
Un asistente de IA configurado con las herramientas de Aggrega puede hacer lo mismo: pégale este prompt.
Usa solo las herramientas de Aggrega y no crees ninguna carpeta por tu cuenta. Si la carpeta del espacio de trabajo todavía no contiene una carpeta `import-flowise`, llama una vez a la herramienta `scaffold` con `example` establecido en `import-flowise` y sin `dir`: escribe el ejemplo en una nueva carpeta `import-flowise`, cuya carpeta `source` contiene lo que importa este ejemplo. Luego llama a la herramienta `import` con `workspace_root` establecido en `import-flowise/source`, `source` establecido en `support-chat.json` y `target` establecido en `compose`: lee las respuestas que necesita de `import-answers.yaml` junto a `support-chat.json`, escribe sus borradores en `import-flowise/source` y descarga lo que estos necesitan. Luego llama a la herramienta `validate` con `workspace_root` establecido en `import-flowise/source` y `release` establecido en `release.yaml`, y a la herramienta `build` con `workspace_root` establecido en `import-flowise/source`, `release` establecido en `release.yaml` y `write` establecido en true. Dime qué archivos escribió la compilación; están en `import-flowise/source/dist/`.Probarlo
Con Flowise en ejecución y el chatflow cargado tal como los ejecuta la guía, abre http://127.0.0.1:3000 e inicia sesión como propietario, y hazle una pregunta al chatflow a través de su endpoint de predicción:
curl -sS -X POST http://127.0.0.1:3000/api/v1/prediction/40d9f5c5-5187-54c1-a9f5-a8dac92f88bb \ -H 'Content-Type: application/json' -d '{"question": "In one short sentence: what is Docker Compose?"}'{"statusCode":500,"success":false,"message":"401 Unauthorized – check your API key and ensure it has access to the requested model.","stack":{}}La clave de OpenAI de la ejecución era un marcador de posición, así que la respuesta es el rechazo de OpenAI: el chatflow se ejecutó hasta su llamada al modelo. La ejecución publicó Flowise en el puerto 3002, ya que el 3000 estaba ocupado en su máquina, como indica la guía.
Importado con --target helm y aplicado a Kubernetes, el chatflow responde a la misma solicitud en la misma dirección una vez que se reenvía un puerto local al Service de Flowise; la ejecución obtuvo allí el mismo rechazo:
kubectl port-forward -n <namespace> svc/flowise-default 3000:3000