Import chatflow Flowise — łańcuch konwersacji z modelem czatu
Chatflow Flowise — węzeł ChatOpenAI, Buffer Memory i Conversation Chain — zaimportowany przez aggrega import do encji Aggregate, Release i Manifest, które w tej postaci kompilują się dla Docker Compose.
Import chatflow Flowise omawia to krok po kroku: polecenie, pliki, które zapisuje, kompilację i uruchomienie tego, co kompiluje. Ten folder zawiera każdy etap tego przewodnika:
| folder | zawartość |
|---|---|
source/ | chatflow, support-chat.json; .aggrega-config.yaml, który czyni folder obszarem roboczym; oraz import-answers.yaml, odpowiedzi na to, czego żaden chatflow nie może zawierać: adres e-mail konta właściciela oraz nazwy Secretów Kubernetes, o które pyta import dla Kubernetes |
draft/ | pliki zapisane przez aggrega import support-chat.json --target compose, bez zmian, oraz to, co polecenie wypisało: stdout.txt na standardowe wyjście, import.txt na standardowe wyjście błędów |
source/support-chat.json jest napisany na potrzeby tego przykładu, w postaci, w jakiej edytor Flowise eksportuje chatflow.
W kopii repozytorium dokumentacji check.sh ponownie uruchamia import, porównuje to, co zapisuje i wypisuje, z draft/, porównuje bloki cytowane w przewodniku z tymi plikami oraz waliduje i kompiluje to, co zapisał import. Wymaga katalogu biblioteki standardowej (skąd go pobrać) pobranego obok tego repozytorium albo jego folderu wskazanego w AGGREGA_CATALOG_DIRS.
Generowanie przykładu
Import tego przykładu można uruchomić poleceniami poniżej albo zlecić jego uruchomienie swojemu 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:
cd import-flowiseKompilacja
Import tworzy szkice plików Aggrega obok projektu, w source/, pobiera adres e-mail konta właściciela z import-answers.yaml i ściąga to, czego potrzebuje kompilacja. Porównuje projekt z katalogiem biblioteki standardowej, który domyślny rejestr obszaru roboczego publikuje jako podpisaną migawkę: pierwszy import pobiera go, weryfikuje, przechowuje w pamięci podręcznej treści obszaru roboczego i wskazuje go przez jego skrót w rekordzie, który zapisuje obok szkiców. Obszar roboczy, który wskazuje własne foldery katalogu — w AGGREGA_CATALOG_DIRS lub pod workspace.catalog_dirs — importuje zamiast tego względem nich:
cd sourceaggrega import support-chat.json --target composeaggrega validate --release release.yamlaggrega build --release release.yamlUruchamianie tego, co zapisuje kompilacja, opisuje przewodnik podlinkowany powyżej.
Z asystentem AI
Asystent AI skonfigurowany z narzędziami Aggrega może zrobić to samo: wystarczy wkleić mu ten prompt.
Używaj wyłącznie narzędzi Aggrega i nie twórz samodzielnie żadnego folderu. Jeśli folder obszaru roboczego nie zawiera jeszcze folderu `import-flowise`, wywołaj raz narzędzie `scaffold` z `example` ustawionym na `import-flowise` i bez `dir`: zapisze ono przykład w nowym folderze `import-flowise`, którego folder `source` zawiera to, co importuje ten przykład. 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. Powiedz mi, które pliki zapisała kompilacja; znajdują się w `import-flowise/source/dist/`.Testowanie
Gdy Flowise działa, a chatflow jest załadowany tak, jak uruchamia je przewodnik, należy otworzyć http://127.0.0.1:3000, zalogować się jako właściciel i zadać chatflow pytanie przez jego punkt końcowy predykcji:
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":{}}Klucz OpenAI użyty w przebiegu był symbolem zastępczym, więc odpowiedzią jest jego odrzucenie przez OpenAI: chatflow wykonał się aż do wywołania modelu. Przebieg opublikował Flowise na porcie 3002, ponieważ port 3000 był zajęty na jego maszynie, jak podaje przewodnik.
Po zaimportowaniu z --target helm i zastosowaniu w Kubernetes chatflow odpowiada na to samo żądanie pod tym samym adresem, gdy tylko lokalny port zostanie przekierowany do Service Flowise; przebieg otrzymał tam to samo odrzucenie:
kubectl port-forward -n <namespace> svc/flowise-default 3000:3000