Bir Flowise chatflow'unu içe aktarma — bir sohbet modeli ile bir konuşma zinciri
Bir Flowise chatflow’u — bir ChatOpenAI düğümü, bir Buffer Memory ve bir Conversation Chain — aggrega import ile, yazıldığı haliyle Docker Compose için derlenen bir Aggregate, bir Release ve bir Manifest olarak içe aktarılmış.
Bir Flowise chatflow’unu içe aktarma bunu adım adım anlatır: komutu, yazdığı dosyaları, derlemeyi ve derlediklerinin çalıştırılmasını. Bu klasör, o adım adım anlatımın her aşamasını içerir:
| klasör | içeriği |
|---|---|
source/ | chatflow, support-chat.json; klasörü bir çalışma alanı yapan .aggrega-config.yaml; ve hiçbir chatflow’un tutamayacağı şeylerin yanıtları olan import-answers.yaml: sahip hesabın e-postası ve Kubernetes için bir içe aktarmanın istediği Kubernetes Secret’larının adları |
draft/ | aggrega import support-chat.json --target compose komutunun yazdığı dosyalar, değiştirilmemiş haliyle, ve komutun yazdırdıkları: standart çıktıya stdout.txt, standart hataya import.txt |
source/support-chat.json bu örnek için, Flowise düzenleyicisinin bir chatflow’u dışa aktardığı biçimde yazılmıştır.
Belge deposunun bir checkout’unda check.sh, içe aktarmayı yeniden çalıştırır, yazdıklarını ve yazdırdıklarını draft/ ile karşılaştırır, adım adım anlatımın alıntıladığı blokları bu dosyalarla karşılaştırır ve içe aktarmanın yazdıklarını doğrulayıp derler. Standart kütüphane kataloğunun (nereden edinilir) bu deponun yanında checkout edilmiş olmasına ya da dizininin AGGREGA_CATALOG_DIRS içinde belirtilmesine ihtiyaç duyar.
Örneği oluşturun
Bu örneğin içe aktarmasını aşağıdaki komutlarla çalıştırabilir ya da yapay zekâ asistanınıza sizin yerinize çalıştırtabilirsiniz.
Örneği, adını taşıyan yeni bir klasöre yazın:
aggrega scaffold --example import-flowiseArdından sırada çalıştırılacak komutları yazdırır. İlki yeni klasöre geçer:
cd import-flowiseDerleme
İçe aktarma, Aggrega dosyalarını projenin yanında, source/ içinde taslak olarak oluşturur, sahip hesabın e-postasını import-answers.yaml dosyasından alır ve derlemenin ihtiyaç duyduklarını çeker. Projeyi, çalışma alanının varsayılan kayıt defterinin imzalı bir anlık görüntü olarak yayımladığı standart kütüphane kataloğuyla karşılaştırır: ilk içe aktarma onu getirir, doğrular, çalışma alanının içerik önbelleğinde tutar ve taslakların yanına yazdığı kayıtta onu özetiyle (digest) adlandırır. Kendi katalog klasörlerini — AGGREGA_CATALOG_DIRS içinde veya workspace.catalog_dirs altında — adlandıran bir çalışma alanı ise bunun yerine bu klasörlere göre içe aktarır:
cd sourceaggrega import support-chat.json --target composeaggrega validate --release release.yamlaggrega build --release release.yamlDerlemenin yazdıklarını çalıştırmak, yukarıda bağlantısı verilen adım adım anlatımda yer alır.
Bir yapay zekâ asistanıyla
Aggrega araçlarıyla kurulmuş bir yapay zekâ asistanı da aynısını yapabilir: bu istemi ona yapıştırın.
Yalnızca Aggrega araçlarını kullanın ve kendiniz hiçbir klasör oluşturmayın. Çalışma alanı klasöründe henüz bir `import-flowise` klasörü yoksa `scaffold` aracını `example` değeri `import-flowise` olacak şekilde ve `dir` olmadan bir kez çağırın: araç örneği yeni bir `import-flowise` klasörüne yazar; bu klasörün içindeki `source` klasörü, bu örneğin içe aktardığı şeyleri içerir. Ardından `import` aracını `workspace_root` değeri `import-flowise/source`, `source` değeri `support-chat.json` ve `target` değeri `compose` olacak şekilde çağırın: araç ihtiyaç duyduğu yanıtları `support-chat.json` dosyasının yanındaki `import-answers.yaml` dosyasından okur, taslaklarını `import-flowise/source` içine yazar ve taslakların ihtiyaç duyduklarını çeker. Ardından `validate` aracını `workspace_root` değeri `import-flowise/source` ve `release` değeri `release.yaml` olacak şekilde, `build` aracını da `workspace_root` değeri `import-flowise/source`, `release` değeri `release.yaml` ve `write` değeri true olacak şekilde çağırın. Derlemenin hangi dosyaları yazdığını bana söyleyin; bunlar `import-flowise/source/dist/` altındadır.Test edin
Flowise çalışırken ve chatflow kılavuzun yaptığı gibi yüklenmişken http://127.0.0.1:3000 adresini açın, sahip olarak oturum açın ve chatflow’a tahmin uç noktası üzerinden bir soru sorun:
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":{}}Çalıştırmanın OpenAI anahtarı bir yer tutucuydu, bu nedenle yanıt OpenAI’ın bu anahtarı reddetmesidir: chatflow modele yaptığı çağrıya kadar çalıştı. Kılavuzun belirttiği gibi, çalıştırma Flowise’ı 3002 üzerinde yayımladı, çünkü makinesinde 3000 kullanımdaydı.
--target helm ile içe aktarılıp Kubernetes’e uygulandığında, yerel bir port Flowise’ın Service’ine yönlendirildiği anda chatflow aynı adreste aynı isteğe yanıt verir; çalıştırma orada da aynı reddi aldı:
kubectl port-forward -n <namespace> svc/flowise-default 3000:3000