Importowanie chatflow z Flowise
Ten przewodnik krok po kroku importuje chatflow wyeksportowany z Flowise — łańcuch konwersacji z modelem czatu i pamięcią — do encji Aggregate, Release i Manifest, które w zapisanej postaci budują Flowise z tym chatflow dla Docker Compose, a następnie je buduje i uruchamia wynik. Każdy plik i każdy blok wyjścia poniżej pochodzi z rzeczywistego uruchomienia; chatflow i każdy etap przewodnika znajdują się w przykładzie import-flowise, w którym skrypt sprawdzający ponownie uruchamia import, porównuje to, co zapisuje, to, co wypisuje, oraz bloki cytowane na tej stronie z przechowywanymi tam plikami, a także waliduje i buduje to, co zapisał import.
Generowanie przykładu
Ten import można uruchomić poleceniami z tej strony albo zlecić to asystentowi AI.
Należy zapisać przykład w nowym folderze nazwanym tak jak on:
aggrega scaffold --example import-flowiseNastępnie wypisuje polecenia do uruchomienia w dalszej kolejności. Pierwsze przechodzi do nowego folderu; kolejne, poniżej, przechodzi do folderu source w nowym folderze, w którym uruchamia się import. Ten folder zawiera plik chatflow, support-chat.json, który ta strona opisuje, zamiast go cytować:
cd import-flowise
Chatflow
support-chat.json, napisany na potrzeby tego przewodnika w postaci, w jakiej edytor Flowise eksportuje chatflow, zawiera trzy węzły i dwie krawędzie między nimi: węzeł ChatOpenAI wybierający gpt-4o-mini, węzeł Buffer Memory oraz węzeł Conversation Chain, który przyjmuje oba i odpowiada krótkim komunikatem systemowym. Węzeł ChatOpenAI nie wybiera żadnego zapisanego poświadczenia i pozostawia pusty Base Path, więc klient OpenAI, na którym Flowise go uruchamia, odczytuje swój adres i klucz ze środowiska Flowise.
Obok chatflow plik .aggrega-config.yaml czyni folder przestrzenią roboczą:
# The workspace key marks this directory as the workspace root, so an import run# here writes its drafts beside support-chat.json.workspace: {}# The registry the importer is fetched from the first time an import needs it.default_registry: hub.aggrega.aia import-answers.yaml zawiera odpowiedzi na to, czego żaden chatflow nie może zawierać. Flowise nie ładuje przy starcie żadnego chatflow z pliku, więc kompilacja ładuje go przez własne API Flowise na koncie właściciela, a żaden eksport nie wskazuje tego konta: jego adres e-mail jest jedyną odpowiedzią, której potrzebuje import dla Docker Compose. Import dla Kubernetes potrzebuje też nazwy obiektu Secret Kubernetes przechowującego każdy sekret — hasło właściciela i klucz OpenAI — więc plik wskazuje również te dwa obiekty Secret (zob. W Kubernetes):
# Values the import could not draft from the source, keyed by the drafted file and the key path inside# it. Write each one beside its key; an import of the same source, and a sync, read them from here and# ask nothing. A secret is never written here: its key asks where the secret comes from — a variable# name, ${NAME}, or the name of a Kubernetes Secret.release.yaml: # Email address of the platform's owner account, read only when values.flow_definition is set. The # step that seeds the chatflow registers this account when the instance has no owner yet, which makes # it the owner, and signs in as it; on an instance that already has one, it names an account allowed # to import chatflows, and the password attached to the owner_password slot is that account's. # Required when values.flow_definition is set: the build halts when it is empty. It has no default. spec.components.flowise.infra.owner_email: "owner@example.com" # The origin of the secret value, written by the operator in the Release. Read exactly as # values.origin is. Write it here or in values.origin, never in both. A secret: name where it comes # from, never the value. spec.components.flowise.features.owner_password.infra.origin: "flowise-owner" # The origin of the secret value, written by the operator in the Release. Read exactly as # values.origin is. Write it here or in values.origin, never in both. A secret: name where it comes # from, never the value. spec.components.flowise.uses.model.chatopenai-0.features.credential.infra.origin: "openai-api-key"owner@example.com oznacza własny adres e-mail. Bez tego pliku import uruchomiony w terminalu pyta o każdą wartość, po jednym pytaniu naraz, sformułowanym na podstawie opisu nad jej kluczem, i zapisuje odpowiedzi w nowym pliku odpowiedzi; tam, gdzie nie można o nic zapytać, zapisuje ten plik z kluczami i pustymi odpowiedziami, wypisuje je i kończy działanie ze statusem 1. Plik odpowiedzi importu opisuje ten plik w całości.
Import porównuje każdy węzeł z encjami Components z katalogu przestrzeni roboczej, a --target tworzy szkic encji Manifest na podstawie jego encji Recipes. Przestrzeń robocza nie wskazuje żadnego folderu katalogu, więc import odczytuje katalog biblioteki standardowej z rejestru, z którego pobiera swój importer: podpisaną migawkę opublikowanego katalogu, którą pierwszy import pobiera, weryfikuje i przechowuje w pamięci podręcznej treści przestrzeni roboczej i którą rekord zapisywany przez import obok jego szkiców wskazuje za pomocą jej skrótu. Przestrzeń robocza, która wskazuje własne foldery katalogu — w AGGREGA_CATALOG_DIRS lub pod workspace.catalog_dirs — importuje zamiast tego względem nich. Należy przejść do source:
cd sourceUruchomienie importu
aggrega import support-chat.json --target composeNa standardowym wyjściu wymienia to, co zapisał:
wrote aggregate.yamlwrote release.yamlwrote manifest.yamlwrote .aggrega-import.jsonNa standardowym wyjściu błędów, gdzie <workspace> oznacza folder, w którym go uruchomiono:
[… omitted: a warning that the importer runs unverified, printed where its module is read from beside its Plugin entity in a catalog folder rather than fetched]read as the flowise format, with drafted paths relative to <workspace>warn: node chatOpenAI_0 reaches chatopenai-0 through the model connection chatopenai-0 of core/ai-agent/flowise: its Base Path is empty, so the OpenAI client Flowise runs it on reads the address the platform delivers for this connection, OPENAI_BASE_URL, and, since it selects no credential, the key delivered as OPENAI_API_KEYinfo: the answers file <workspace>/import-answers.yaml also answers spec.components.flowise.features.owner_password.infra.origin in release.yaml, spec.components.flowise.uses.model.chatopenai-0.features.credential.infra.origin in release.yaml, which these drafts do not leave empty; those answers are kept there and not appliedmapped chatOpenAI_0 (chatOpenAI) to core/ai-model/openai as a reference, HIGH at 0.9made no choice for bufferMemory_0 (bufferMemory)made no choice for conversationChain_0 (conversationChain) warning: node "flowise" (provider "compose"): artifact "flowise-flow/flowise-flow.yaml": skipped provenance label injection — the fragment declares no compose service. Compose carries build provenance as service labels, so a fragment contributing only top-level networks, volumes or configs carries none; the services this component emits elsewhere carry the full set.Pull complete: <workspace>/release.lock (entities=8, source_artifacts=0, external_inputs=0)
- Wiersz
mappedmówi, że węzeł ChatOpenAI stał się modelem OpenAI z biblioteki standardowej,core/ai-model/openai, do którego się odwołano zamiast tworzyć szkic, ponieważ został dopasowany na wysokim poziomie, z wynikiem 0.9: osobny komponent, podłączony do gniazdamodelplatformy. - Wiersz
warnmówi, w jaki sposób chatflow dociera do tego modelu: węzeł odczytuje adres i klucz, które platforma dostarcza dla połączenia z modelem, więc klucz, który encja Release dołącza do połączenia, jest tym, którego używa chatflow. - Wiersz
infodotyczy pliku odpowiedzi. Plik ten podał adres e-mail właściciela, który szkice pozostawiły pusty; jego dwie nazwy obiektów Secret odpowiadają na to, co pusty pozostawia tylko import dla Kubernetes, więc pozostają w pliku, tutaj nieużywane. - Wiersze
made no choicemówią, że pamięć i łańcuch pozostają wewnątrz chatflow: żadne gniazdo platformy ich nie przyjmuje. - Ostatnie dwa wiersze to pull. Ponieważ na każdą wartość udzielono odpowiedzi, import pobrał zależności szkicu encji Release, tak jak robi to
aggrega pull, i zapisałrelease.lock; poniższa kompilacja nie potrzebuje niczego więcej. Wierszwarningwypisuje również kompilacja, a Walidacja i kompilacja go wyjaśnia.
Co zapisuje import
Encje Aggregate, Release i Manifest otrzymują nazwę imported/support-chat od pliku, support-chat.json, ponieważ eksport z Flowise nie ma własnej nazwy, w przestrzeni nazw określonej przez ustawienie target_namespace importera, imported, o ile nie ustawi się innej (Ustawienia).
aggregate.yaml — jedna instancja platformy Flowise z biblioteki standardowej, core/ai-agent/flowise, niosąca chatflow w takiej postaci, w jakiej został wyeksportowany, tutaj w większości pominięty, oraz model podłączony do jej gniazda model:
apiVersion: aggrega.ai/v1beta1kind: Aggregatemetadata: name: imported/support-chat version: 0.1.0 description: Draft Aggregate imported from a source in the flowise format.spec: components: flowise: type: core/ai-agent/flowise features: # For the compose target, the lines below declare owner_password on flowise: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none. owner_password: type: core/secret-value values: key: OWNER_PASSWORD values: # chatflow_id is derived from the exported flow, which gives no identifier of its own. chatflow_id: '40d9f5c5-5187-54c1-a9f5-a8dac92f88bb' flow_definition: | { "nodes": [ [… omitted: the chatflow's nodes, as exported, up to the Conversation Chain's inputs] "inputs": { "model": "{{"{{"}}chatOpenAI_0.data.instance}}", "memory": "{{"{{"}}bufferMemory_0.data.instance}}", [… omitted: the rest of the chatflow, as exported] } uses: model: chatopenai-0: target: chatopenai-0 # For the compose target, the lines below declare credential on chatopenai-0: a secret the Release alone attaches arrives under the key value, so each is declared with a key of its own and no two arrive under one; the Release attaches its origin, naming this type or none. features: credential: type: core/secret-value values: key: OPENAI_API_KEY # swap to core/ai-model/azure-openai (score 0.4000) by setting type: core/ai-model/azure-openai chatopenai-0: type: core/ai-model/openai values: model: |- gpt-4o-mini- Model to
core/ai-model/openai, z modelem wybranym przez węzeł,gpt-4o-mini. Komentarz nad nim wskazuje inną encję Component z katalogu, do której węzeł jest podobny, wraz z jej wynikiem. - Dwa sekrety — hasło konta właściciela, na którym ładowany jest chatflow, oraz klucz OpenAI, który platforma przekazuje modelowi — są zadeklarowane tutaj wraz ze zmienną, pod którą każdy z nich trafia do środowiska Flowise,
OWNER_PASSWORDiOPENAI_API_KEY. W Docker Compose sekret dołączony wyłącznie przez encję Release trafiłby pod kluczvaluei oba by się zderzyły; zadeklarowany tutaj, każdy ma własny klucz. Encja Release określa, skąd pochodzi każdy z nich. chatflow_idjest wyprowadzany z chatflow, ponieważ eksport z edytora Flowise nie zawiera własnego identyfikatora, więc jeden chatflow zawsze daje ten sam identyfikator. Chatflow z Flowise zapisuje{{<node id>.data.instance}}dla każdego połączenia między dwoma węzłami, a tekst encji Aggregate jest odczytywany jako szablon, więc szkic zapisuje każde{{jako{{"{{"}}, które kompilacja zamienia z powrotem na dwa nawiasy klamrowe.
release.yaml — encja Release, która wdraża encję Aggregate z encją Manifest:
apiVersion: aggrega.ai/v1beta1kind: Releasemetadata: name: imported/support-chat # environment is a drafted default, since no source names the environment this Release deploys to; change it to name the one it deploys to. environment: development version: 0.1.0 description: Draft Release imported from a source in the flowise format.spec: aggregate: imported/support-chat manifest: imported/support-chat components: flowise: infra: # The image running core/ai-agent/flowise, at the version this importer drafts, which the catalog's Recipes for it are known to run; the import does not raise or lower it to follow the source. image: "flowiseai/flowise:3.1.3" # Left for the Release, since the source cannot supply it: infra.owner_email, the email address of the platform's owner account, required while values.flow_definition is set owner_email: "owner@example.com" # Published on this machine's loopback address, 127.0.0.1: reachable from this machine only, by any process running on it. Delete this line to keep the service internal. published_port: 3000 features: owner_password: type: core/secret-value infra: # Attached by reference, never as a value: the owner account's password, required while values.flow_definition is set, read from the variable FLOWISE_OWNER_PASSWORD, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value. origin: "${FLOWISE_OWNER_PASSWORD}" uses: model: chatopenai-0: features: credential: type: core/secret-value infra: # Attached by reference, never as a value: the credential flowise presents to chatopenai-0 on its model connection, read from the variable OPENAI_API_KEY, which a target substituting variable references, as Docker Compose does when the stack starts, reads from the environment, so no file carries the value. origin: "${OPENAI_API_KEY}" chatopenai-0: {}environmentma wartośćdevelopment, domyślną, którą według komentarza nad nią należy zmienić na środowisko, w którym wdrażana jest encja Release.- Obraz to Flowise 3.1.3, wersja uruchamiana przez encje Recipes z katalogu dla Flowise.
published_portma wartość 3000, czyli port, na którym działa Flowise, więc odpowiada on podhttp://127.0.0.1:3000na tym komputerze. Jak mówi komentarz, każdy proces na tym komputerze może tam do niego dotrzeć, a nic poza nim nie może; usunięcie wiersza pozostawia Flowise wyłącznie w sieci stosu.owner_emailto odpowiedź z pliku odpowiedzi. Komentarz nad nim wyjaśnia, dlaczego import nie mógł utworzyć jego szkicu.- Dwa sekrety to odwołania do zmiennych,
${FLOWISE_OWNER_PASSWORD}i${OPENAI_API_KEY}, które Docker Compose wypełnia z powłoki przy uruchamianiu stosu, więc żaden plik nie zawiera żadnej z tych wartości.
manifest.yaml — encje Recipes dla Compose dla platformy i modelu oraz realizacja, która zapisuje odwołanie do zmiennej sekretu w pliku Compose dosłownie:
apiVersion: aggrega.ai/v1beta1kind: Manifestmetadata: name: imported/support-chat version: 0.1.0spec: mappings: components: type: core/ai-agent/flowise: compose/flowise core/ai-model/openai: compose/openai features: type: core/secret-value: compose/dotenv-secret.aggrega-import.json to zapis tego, co zapisał import, odczytywany przez późniejsze aggrega import --sync, a release.lock przypina każdą encję katalogu, na którą rozwiązuje się encja Release, według wersji i skrótu (digest).
Walidacja i kompilacja
aggrega validate --release release.yamlaggrega build --release release.yaml

Walidacja wypisuje:
notice: LINT: Feature "core/secret-value" at core/secret-value:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)release dependency validation passed: release.yaml (schema-pillar + dependency pillars)a kompilacja, gdzie <workspace> oznacza folder zawierający szkice:
warning: node "flowise" (provider "compose"): artifact "flowise-flow/flowise-flow.yaml": skipped provenance label injection — the fragment declares no compose service. Compose carries build provenance as service labels, so a fragment contributing only top-level networks, volumes or configs carries none; the services this component emits elsewhere carry the full set. notice: LINT: Feature "core/secret-value" at core/secret-value:1.0.0 declares property "origin" in both values: and infra: pillars (path: origin)[… omitted: a total build time, which differs per run]Build completed: 1 file written to <workspace>/distWiersz warning dotyczy części pliku Compose, która niesie chatflow, wpisu configs najwyższego poziomu, który nie ma żadnej usługi, na której można by umieścić etykiety kompilacji. Wiersz notice ma charakter informacyjny: encja Feature sekretu przyjmuje swój origin z values encji Aggregate lub z infra encji Release, a komunikat zgłasza, że jeden liść jest zadeklarowany w obu miejscach. Żaden z nich nie zmienia werdyktu.
dist/compose/docker-compose.yaml zawiera dwie usługi. Sam Flowise:
flowise: image: flowiseai/flowise:3.1.3 environment: DATABASE_PATH: /home/node/.flowise SECRETKEY_PATH: /home/node/.flowise OPENAI_BASE_URL: https://api.openai.com/v1 OPENAI_API_KEY: ${OPENAI_API_KEY} ports: - 127.0.0.1:3000:3000 [… omitted: the labels the build writes on every service, naming the Aggregate, the component, the environment and the compiler's version] volumes: - type: volume source: flowise--data target: /home/node networks: - compose [… omitted: the service's health check]oraz usługę, która ładuje chatflow, gdy tylko Flowise zgłosi poprawny stan, a następnie kończy działanie:
flowise-flow-seed: image: flowiseai/flowise:3.1.3 entrypoint: - node - /seed/seed.js environment: FLOWISE_URL: http://127.0.0.1:3000 OWNER_EMAIL: owner@example.com OWNER_PASSWORD: ${FLOWISE_OWNER_PASSWORD} CHATFLOW_ID: 40d9f5c5-5187-54c1-a9f5-a8dac92f88bb CHATFLOW_NAME: 40d9f5c5-5187-54c1-a9f5-a8dac92f88bb [… omitted: the labels the build writes on every service] network_mode: service:flowise depends_on: flowise: condition: service_healthy restart: "no" configs: - source: flowise-flow target: /seed/flow.json - source: flowise-flow-seed target: /seed/seed.jsRejestruje ona konto właściciela w świeżej instancji Flowise lub loguje się na nie i zapisuje chatflow pod chatflow_id. Klucz i hasło są odwołaniami do zmiennych, wypełnianymi z powłoki przy uruchamianiu stosu. Encja Recipe Compose dla Flowise publikuje port na maszynie lokalnej tylko wtedy, gdy encja Release ustawia published_port w infra Flowise, i wówczas wyłącznie na adresie pętli zwrotnej 127.0.0.1; bez tego usługa jest osiągalna tylko w sieci stosu.
Z asystentem AI
Asystent AI skonfigurowany z narzędziami Aggrega może zrobić to samo: wystarczy wkleić do niego ten prompt.
Używaj wyłącznie narzędzi Aggrega i nie twórz samodzielnie żadnego folderu. Jeśli folder Workspace nie zawiera jeszcze folderu `import-flowise`, wywołaj raz narzędzie `scaffold` z `example` ustawionym na `import-flowise` i bez `dir`: zapisuje ono przykład w nowym folderze `import-flowise`, którego folder `source` zawiera to, co importuje ta strona. Następnie wywołaj narzędzie `import` z `workspace_root` ustawionym na `import-flowise/source`, `source` ustawionym na `support-chat.json` i `target` ustawionym na `compose`: odczytuje ono potrzebne odpowiedzi z `import-answers.yaml` obok `support-chat.json`, zapisuje swoje szkice w `import-flowise/source` i pobiera to, czego one potrzebują. Następnie wywołaj narzędzie `validate` z `workspace_root` ustawionym na `import-flowise/source` i `release` ustawionym na `release.yaml` oraz narzędzie `build` z `workspace_root` ustawionym na `import-flowise/source`, `release` ustawionym na `release.yaml` i `write` ustawionym na true. Podaj mi, które pliki zapisał build; znajdują się w `import-flowise/source/dist/`.Otwieranie w VS Code
Po zainstalowaniu rozszerzenia Aggrega dla Visual Studio Code należy otworzyć w VS Code folder import-flowise/source, w którym import zapisał swoje szkice. Folder zawiera jedną encję Release, szkic release.yaml, więc edytor wybiera ją automatycznie i podczas edycji sprawdza szkice względem tej encji Release, oznaczając znalezione problemy w pliku i w panelu Problemy. Aggrega: Show topology graph w palecie poleceń rysuje komponenty encji Release i połączenia między nimi. Aggrega: Build, Aggrega: Preview build i Aggrega: Pull działają na tej samej encji Release, a każde z nich jest też przyciskiem w panelu Commands widoku Aggrega na pasku działań; Build zapisuje swoje pliki w dist/ tego folderu. Używanie Aggrega w Visual Studio Code opisuje resztę.
Uruchomienie
Należy ustawić w powłoce klucz i hasło właściciela, uruchomić Flowise, a następnie uruchomić usługę inicjalizującą:
export OPENAI_API_KEY='your OpenAI key'export FLOWISE_OWNER_PASSWORD='a password of your own'docker compose -p support-chat -f dist/compose/docker-compose.yaml up -d --wait flowisedocker compose -p support-chat -f dist/compose/docker-compose.yaml up flowise-flow-seed-p nadaje nazwę projektowi, jak wyjaśnia krok uruchamiania w Jak przebiega import. --wait kończy działanie, gdy Flowise zgłosi, że jest zdrowy; wskazuje tylko flowise, ponieważ każdy kontener, który zakończył działanie, liczy jako błąd, a usługa inicjalizująca kończy działanie z założenia. Drugie polecenie uruchamia usługę inicjalizującą, wypisuje jej log i kończy działanie, gdy ona się zakończy:
flowise-flow-seed-1 | registered the owner account owner@example.comflowise-flow-seed-1 | imported chatflow 40d9f5c5-5187-54c1-a9f5-a8dac92f88bb as "40d9f5c5-5187-54c1-a9f5-a8dac92f88bb"flowise-flow-seed-1 exited with code 0Jeśli inny program na maszynie lokalnej nasłuchuje już na 127.0.0.1:3000, pierwsze polecenie zatrzymuje się z failed to bind host port 127.0.0.1:3000/tcp: address already in use: należy ustawić published_port na wolny port i ponownie wykonać build. Poniższe uruchomienie tak zrobiło, z portem 3002, i użyło tego portu zamiast 3000.
Testowanie
Należy otworzyć http://127.0.0.1:3000, adres publikowany przez published_port, i zalogować się adresem e-mail i hasłem właściciela: chatflow z inicjalizacji jest we Flowise.
Chatflow, który nie ustawia własnego klucza API, odpowiada na swoim punkcie końcowym predykcji bez klucza. Można zadać mu pytanie:
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?"}'Uruchomienie użyło symbolu zastępczego dla klucza OpenAI, więc odpowiedzią jest odrzucenie go przez OpenAI, co pokazuje, że chatflow wykonał się aż do wywołania modelu:
{"statusCode":500,"success":false,"message":"401 Unauthorized – check your API key and ensure it has access to the requested model.","stack":{}}Z własnym kluczem odpowiedź zawiera wynik w text.
W Kubernetes, po zastosowaniu buildu opisanego w W Kubernetes i zakończeniu jego Job inicjalizującego, należy przekierować port lokalny do obiektu Service Flowise, flowise-default, w przestrzeni nazw, do której zastosowano build, i pozostawić polecenie uruchomione:
kubectl port-forward -n <namespace> svc/flowise-default 3000:3000Z innego terminala powyższe pytanie dociera do chatflow pod tym samym adresem, bez zmian; uruchomienie otrzymało to samo odrzucenie klucza zastępczego.
Stack zatrzymuje się poniższym poleceniem. -v usuwa także wolumen danych Flowise, a wraz z nim konto właściciela i chatflow zapisany przez usługę inicjalizującą:
docker compose -p support-chat -f dist/compose/docker-compose.yaml down -vNa Kubernetes
Ten sam chatflow importuje się dla Kubernetes z celem helm. Szkice dla Docker Compose znajdują się już w source, a import nigdy nie nadpisuje znajdującej się tam encji Aggregate, dlatego należy utworzyć te szkice w osobnym folderze za pomocą --output-dir, a następnie z niego walidować i budować:
aggrega import support-chat.json --target helm --output-dir helmcd helmaggrega validate --release release.yamlaggrega build --release release.yamlSzkice różnią się tam, gdzie różni się cel. Encja Manifest mapuje platformę na helm/flowise, model na helm/openai, a każdy sekret na helm/k8s-existing-secret, który odczytuje go z obiektu Secret istniejącego już w przestrzeni nazw. Encja Release dołącza hasło właściciela i klucz OpenAI jako core/referenced-secret, każde wskazując swój Secret, i pobiera wszystkie trzy odpowiedzi z pliku odpowiedzi: adres e-mail właściciela, flowise-owner i openai-api-key.
Kompilacja zapisuje zwykłe manifesty Kubernetes w dist/helm/ w katalogu głównym obszaru roboczego, source, czyli patrząc z helm w ../dist/helm/, w tym seed chatflow jako Job. Należy utworzyć dwa obiekty Secret w przestrzeni nazw, do której się stosuje, każdy przechowujący swoją wartość pod kluczem danych value, a następnie zastosować folder zgodnie z opisem w kroku uruchamiania w Jak przebiega import.