Mengimpor chatflow Flowise — rantai percakapan dengan model chat
Chatflow Flowise — sebuah node ChatOpenAI, sebuah Buffer Memory, dan sebuah Conversation Chain — diimpor oleh aggrega import menjadi sebuah Aggregate, sebuah Release, dan sebuah Manifest yang dapat di-build untuk Docker Compose apa adanya.
Mengimpor chatflow Flowise membahasnya langkah demi langkah: perintahnya, berkas yang ditulisnya, build-nya, dan menjalankan hasil build-nya. Folder ini memuat setiap tahap dari panduan tersebut:
| folder | isinya |
|---|---|
source/ | chatflow, support-chat.json; .aggrega-config.yaml yang menjadikan folder ini ruang kerja; dan import-answers.yaml, jawaban atas hal yang tidak dapat dimuat oleh chatflow mana pun: email akun pemilik, dan nama-nama Secret Kubernetes yang diminta oleh impor untuk Kubernetes |
draft/ | berkas yang ditulis oleh aggrega import support-chat.json --target compose, tanpa diubah, dan apa yang dicetaknya: stdout.txt pada keluaran standar, import.txt pada galat standar |
source/support-chat.json ditulis untuk contoh ini, dalam bentuk yang digunakan editor Flowise saat mengekspor chatflow.
Dalam checkout repositori dokumentasi, check.sh menjalankan impor lagi, membandingkan apa yang ditulis dan dicetaknya dengan draft/, membandingkan blok yang dikutip panduan dengan berkas-berkas ini, serta memvalidasi dan mem-build apa yang ditulis oleh impor. Skrip ini memerlukan katalog pustaka standar (cara mendapatkannya) yang di-checkout di samping repositori ini, atau direktorinya disebutkan dalam AGGREGA_CATALOG_DIRS.
Membuat contoh
Anda dapat menjalankan impor contoh ini dengan perintah di bawah, atau meminta asisten AI Anda menjalankannya untuk Anda.
Tulis contoh ke folder baru yang dinamai sesuai contoh itu:
aggrega scaffold --example import-flowiseKemudian ia mencetak perintah yang dijalankan berikutnya. Perintah pertama berpindah ke folder baru:
cd import-flowiseBuild
Impor membuat draf berkas Aggrega di samping proyek, di source/, mengambil email akun pemilik dari import-answers.yaml, dan menarik apa yang dibutuhkan build. Impor menimbang proyek terhadap katalog pustaka standar, yang diterbitkan oleh registry default ruang kerja sebagai snapshot bertanda tangan: impor pertama mengambilnya, memverifikasinya, menyimpannya di cache konten ruang kerja, dan menyebutnya dengan digest-nya dalam catatan yang ditulisnya di samping draf. Ruang kerja yang menyebutkan folder katalognya sendiri — di AGGREGA_CATALOG_DIRS, atau di bawah workspace.catalog_dirs — mengimpor terhadap folder-folder itu sebagai gantinya:
cd sourceaggrega import support-chat.json --target composeaggrega validate --release release.yamlaggrega build --release release.yamlCara menjalankan apa yang ditulis build ada di panduan yang ditautkan di atas.
Dengan asisten AI
Asisten AI yang disiapkan dengan tool Aggrega dapat melakukan hal yang sama: tempelkan prompt ini ke asisten tersebut.
Gunakan hanya alat Aggrega, dan jangan membuat folder sendiri. Jika folder ruang kerja belum berisi folder `import-flowise`, panggil alat `scaffold` sekali dengan `example` diatur ke `import-flowise` dan tanpa `dir`: alat itu menulis contoh ke folder `import-flowise` yang baru, dengan folder `source` di dalamnya yang berisi apa yang diimpor contoh ini. Lalu panggil alat `import` dengan `workspace_root` diatur ke `import-flowise/source`, `source` diatur ke `support-chat.json`, dan `target` diatur ke `compose`: alat itu membaca jawaban yang dibutuhkannya dari `import-answers.yaml` di samping `support-chat.json`, menulis drafnya ke `import-flowise/source`, dan menarik apa yang dibutuhkan draf tersebut. Lalu panggil alat `validate` dengan `workspace_root` diatur ke `import-flowise/source` dan `release` diatur ke `release.yaml`, serta alat `build` dengan `workspace_root` diatur ke `import-flowise/source`, `release` diatur ke `release.yaml`, dan `write` diatur ke true. Beri tahu saya berkas mana yang ditulis build; berkas tersebut berada di bawah `import-flowise/source/dist/`.Mengujinya
Dengan Flowise berjalan dan chatflow dimuat seperti yang dijalankan panduan, buka http://127.0.0.1:3000 lalu masuk sebagai pemilik, dan ajukan pertanyaan kepada chatflow melalui endpoint prediksinya:
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":{}}Kunci OpenAI pada eksekusi ini adalah placeholder, sehingga jawabannya adalah penolakan OpenAI atas kunci tersebut: chatflow berjalan sampai panggilannya ke model. Eksekusi ini memublikasikan Flowise di 3002, karena 3000 sudah terpakai di mesinnya, seperti yang disebutkan panduan.
Diimpor dengan --target helm dan diterapkan ke Kubernetes, chatflow menjawab permintaan yang sama di alamat yang sama setelah sebuah port lokal diteruskan ke Service milik Flowise; eksekusi tersebut mendapat penolakan yang sama di sana:
kubectl port-forward -n <namespace> svc/flowise-default 3000:3000