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！
- 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
- 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