Importer un chatflow Flowise — une chaîne de conversation avec un modèle de chat
Un chatflow Flowise — un nœud ChatOpenAI, une Buffer Memory et une Conversation Chain — importé par aggrega import en un Aggregate, une Release et un Manifest qui se compilent pour Docker Compose tels qu’ils sont écrits.
Importer un chatflow Flowise le présente pas à pas : la commande, les fichiers qu’elle écrit, la compilation et une exécution de ce qu’elle compile. Ce dossier contient chaque étape de ce tutoriel :
| dossier | ce qu’il contient |
|---|---|
source/ | le chatflow, support-chat.json ; le .aggrega-config.yaml qui fait du dossier un espace de travail ; et import-answers.yaml, les réponses à ce qu’aucun chatflow ne peut contenir : l’adresse e-mail du compte propriétaire et les noms des Secrets Kubernetes que demande un import pour Kubernetes |
draft/ | les fichiers que aggrega import support-chat.json --target compose a écrits, inchangés, et ce qu’il a affiché : stdout.txt sur la sortie standard, import.txt sur la sortie d’erreur standard |
source/support-chat.json est écrit pour cet exemple, dans la forme sous laquelle l’éditeur de Flowise exporte un chatflow.
Dans un checkout du dépôt de la documentation, check.sh exécute à nouveau l’import, compare ce qu’il écrit et affiche avec draft/, compare les blocs que le tutoriel cite avec ces fichiers, et valide et compile ce que l’import a écrit. Il nécessite le catalogue de la bibliothèque standard (où en obtenir un) extrait à côté de ce dépôt, ou son répertoire indiqué dans AGGREGA_CATALOG_DIRS.
Générer l’exemple
Vous pouvez exécuter l’import de cet exemple avec les commandes ci-dessous, ou le faire exécuter par votre assistant IA.
Écrivez l’exemple dans un nouveau dossier qui porte son nom :
aggrega scaffold --example import-flowiseElle affiche ensuite les prochaines commandes à exécuter. La première vous place dans le nouveau dossier :
cd import-flowiseBuild
L’import rédige les brouillons des fichiers Aggrega à côté du projet, dans source/, prend l’adresse e-mail du compte propriétaire dans import-answers.yaml et récupère ce dont la compilation a besoin. Il évalue le projet au regard du catalogue de la bibliothèque standard, que le registre par défaut de l’espace de travail publie sous forme d’instantané signé : le premier import le récupère, le vérifie, le conserve dans le cache de contenu de l’espace de travail et le désigne par son condensé dans l’enregistrement qu’il écrit à côté des brouillons. Un espace de travail qui nomme ses propres dossiers de catalogue — dans AGGREGA_CATALOG_DIRS, ou sous workspace.catalog_dirs — importe plutôt au regard de ceux-ci :
cd sourceaggrega import support-chat.json --target composeaggrega validate --release release.yamlaggrega build --release release.yamlL’exécution de ce que la compilation écrit est présentée dans le tutoriel indiqué ci-dessus.
Avec un assistant IA
Un assistant IA configuré avec les outils d’Aggrega peut faire de même : collez-lui ce prompt.
Utilisez uniquement les outils Aggrega et ne créez vous-même aucun dossier. Si le dossier de l’espace de travail ne contient pas encore de dossier `import-flowise`, appelez une fois l’outil `scaffold` avec `example` défini à `import-flowise` et sans `dir` : il écrit l’exemple dans un nouveau dossier `import-flowise`, dont le dossier `source` contient ce que cet exemple importe. Appelez ensuite l’outil `import` avec `workspace_root` défini à `import-flowise/source`, `source` défini à `support-chat.json` et `target` défini à `compose` : il lit les réponses dont il a besoin dans `import-answers.yaml`, à côté de `support-chat.json`, écrit ses brouillons dans `import-flowise/source` et récupère ce dont ils ont besoin. Appelez ensuite l’outil `validate` avec `workspace_root` défini à `import-flowise/source` et `release` défini à `release.yaml`, puis l’outil `build` avec `workspace_root` défini à `import-flowise/source`, `release` défini à `release.yaml` et `write` défini à true. Indiquez-moi quels fichiers le build a écrits ; ils se trouvent sous `import-flowise/source/dist/`.Tester
Avec Flowise en cours d’exécution et le chatflow chargé tels que le guide les exécute, ouvrez http://127.0.0.1:3000 et connectez-vous en tant que propriétaire, puis posez une question au chatflow via son endpoint de prédiction :
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 clé OpenAI de l’exécution était un espace réservé, la réponse est donc le refus d’OpenAI : le chatflow s’est exécuté jusqu’à son appel au modèle. L’exécution a publié Flowise sur le port 3002, puisque le 3000 était pris sur sa machine, comme l’indique le guide.
Importé avec --target helm et appliqué à Kubernetes, le chatflow répond à la même requête à la même adresse une fois un port local redirigé vers le Service de Flowise ; l’exécution y a obtenu le même refus :
kubectl port-forward -n <namespace> svc/flowise-default 3000:3000