跳转到内容
AggregaAggrega
选择语言: 简体中文
本页面由机器翻译。阅读英文原文。

导入 Flowise 聊天流 — 一个带聊天模型的对话链

一个 Flowise 聊天流 — 一个 ChatOpenAI 节点、一个 Buffer Memory 和一个 Conversation Chain — 由 aggrega import 导入为一个 Aggregate、一个 Release 和一个 Manifest,它们无需修改即可为 Docker Compose 构建。

导入 Flowise 聊天流 逐步讲解了这一过程:命令、它写入的文件、构建,以及运行构建出的内容。此文件夹保存了该演练的每个阶段:

文件夹内容
source/聊天流 support-chat.json;使该文件夹成为工作区的 .aggrega-config.yaml;以及 import-answers.yaml,即任何聊天流都无法包含的内容的答案:所有者账户的电子邮件,以及面向 Kubernetes 的导入所要求的 Kubernetes Secret 的名称
draft/aggrega import support-chat.json --target compose 写入的文件(未经修改),以及它打印的内容:stdout.txt 为标准输出,import.txt 为标准错误

source/support-chat.json 是为本示例编写的,采用 Flowise 编辑器导出聊天流的格式。

在文档仓库的检出副本中,check.sh 会重新运行导入,将其写入和打印的内容与 draft/ 比较,将演练引用的代码块与这些文件比较,并验证和构建导入所写入的内容。它需要将标准库目录(获取途径)检出在此仓库旁边,或在 AGGREGA_CATALOG_DIRS 中指定其目录。

生成示例

你可以使用下面的命令运行本示例的导入,或者让你的 AI 助手替你运行。

将示例写入一个以其命名的新文件夹:

Terminal window
aggrega scaffold --example import-flowise

然后它会打印接下来要运行的命令。第一条命令进入新文件夹:

Terminal window
cd import-flowise

构建

导入会在项目旁边的 source/ 中起草 Aggrega 文件,从 import-answers.yaml 中获取所有者账户的电子邮件,并拉取构建所需的内容。它根据标准库目录评估项目,该目录由工作区的默认注册表以签名快照的形式发布:首次导入会获取它、验证它、将其保存在工作区的内容缓存中,并在写在草稿旁边的记录中以其摘要标识它。如果工作区指定了自己的目录文件夹 — 在 AGGREGA_CATALOG_DIRS 中,或在 workspace.catalog_dirs 下 — 则改为根据这些文件夹进行导入:

Terminal window
cd source
aggrega import support-chat.json --target compose
aggrega validate --release release.yaml
aggrega build --release release.yaml

如何运行构建写出的内容,请参阅上方链接的演练。

借助 AI 助手

已配置 Aggrega 工具的 AI 助手也能完成同样的操作:把下面这条提示粘贴给它。

只使用 Aggrega 工具,不要自己创建任何文件夹。如果工作区文件夹中还没有 `import-flowise` 文件夹,调用一次 `scaffold` 工具,将 `example` 设为 `import-flowise`,不设 `dir`:它会把示例写入一个新的 `import-flowise` 文件夹,其中的 `source` 文件夹包含本示例要导入的内容。然后调用 `import` 工具,将 `workspace_root` 设为 `import-flowise/source`,`source` 设为 `support-chat.json`,`target` 设为 `compose`:它从 `support-chat.json` 旁边的 `import-answers.yaml` 读取所需的答案,将草稿写入 `import-flowise/source`,并拉取草稿所需的内容。然后调用 `validate` 工具,将 `workspace_root` 设为 `import-flowise/source`,`release` 设为 `release.yaml`;再调用 `build` 工具,将 `workspace_root` 设为 `import-flowise/source`,`release` 设为 `release.yaml`,`write` 设为 true。告诉我构建写入了哪些文件;它们位于 `import-flowise/source/dist/` 下。

测试

按照分步指南的方式运行 Flowise 并载入 chatflow 后,打开 http://127.0.0.1:3000 并以所有者身份登录,然后通过 chatflow 的预测端点向它提一个问题:

Terminal window
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":{}}

本次运行的 OpenAI 密钥是一个占位符,因此得到的回答是 OpenAI 对它的拒绝:chatflow 一直运行到了对模型的调用。正如分步指南所说,本次运行将 Flowise 发布在 3002 端口上,因为其所在机器的 3000 端口已被占用。

使用 --target helm 导入并应用到 Kubernetes 后,只要将一个本地端口转发到 Flowise 的 Service,chatflow 就会在同一地址响应相同的请求;本次运行在那里得到了相同的拒绝:

Terminal window
kubectl port-forward -n <namespace> svc/flowise-default 3000:3000