flowise工程地址：https://github.com/FlowiseAI/Flowise
flowise 官方文档：https://docs.flowiseai.com/

这里采用docker安装：

克隆工程代码 （如果网络不好，下载压缩文件也是一样）

进入工程目录docker文件下复制 .env.example 内容创建 .env

关于这个文件参数说明：https://github.com/FlowiseAI/Flowise/blob/main/CONTRIBUTING-ZH.md

数据库支持 sqlite, mysql, postgres，这里我注释了数据库代码，默认则用sqlite；

如果想用mysql，postgres自己起服务也可以；注意mysql要8.0版本以上；

构建容器并且启动，在下图所在所示路径下构建指定yml文件

此时容器已经起来了

chroma工程地址：https://github.com/chroma-core/chroma
chroma官方文档：https://docs.trychroma.com/

获取chroma工程

进入工程路径，构建容器镜像

确认2个服务已经成功启动

当你按照我上面的步骤，部署启动好了服务，访问

注意！

1. 启动服务，如果用openai的官方key，需要本地科学上网，否则对话会擦红石
2. 如下内容，有很多场景可以实现，比如pdf文件识别，多组件构成，必要条件你得掌握langchain
   才能实现复杂功能开发

flowise不同于传统的编排，比如从左往右进行，开始结束很明显

所有的链接及其开发需要有一定的langchain认知能力，可以参考我，举例

对于创建一个chain，其实可以遵循函数开发原理

关于langchain官方文档：https://python.langchain.com/docs/get_started/introduction

在实现这个flow时候，需要提前将数据向量化到数据库，准备任意QA文档，我这里50个历史问答

将文档构建到向量数据库

验证是否成功构建生成向量

在flowise服务构建 flow编排

目标地址