自托管您的 AI Agent Factory：Linux 优先的 Flowise 指南

Source: Dev.to

概览

AI 领域正在发生变化。虽然像 OpenAI 和 Claude 这样的云托管解决方案使用方便，但对开发者和自动化爱好者来说，真正的力量在于 主权。如果你在乎数据隐私、延迟以及避免按请求计费，自己托管才是前进的方向。

今天，我们将关注 FlowiseAI——一个开源、低代码平台，能够让你以可视化方式构建复杂的 LLM 链和 AI 代理。我们将在 Linux 服务器上使用 Docker Compose 部署它，并连接本地或远程模型。

为什么选择 Flowise？

不同于传统的自动化工具，Flowise 专为 LangChain 生态系统构建。它可以让你：

• 拖拽 创建复杂的 RAG（检索增强生成）流水线。
• 集成 超过 100 种工具（Google 搜索、GitHub、Slack 等）。
• 通过 干净的 API 或聊天小部件暴露你的代理。

前置条件

• 一台 Linux VPS 或本地机器（推荐 Ubuntu 22.04+ 或 Debian 12）。
• 已安装 Docker 和 Docker Compose。
• 至少 4 GB 内存（AI 工作流可能会占用大量内存）。

第一步：准备工作空间

为 Flowise 实例创建专用目录：

mkdir ~/flowise-server && cd ~/flowise-server

第二步：创建 Docker Compose 配置

Flowise 可以使用简单的 SQLite 数据库运行，适合小型部署。创建 docker-compose.yml 文件：

services:
  flowise:
    image: flowiseai/flowise:latest
    restart: always
    environment:
      - PORT=3000
      - DATABASE_PATH=/root/.flowise
      - APIKEY_PATH=/root/.flowise
      - SECRETKEY_PATH=/root/.flowise
      - LOG_PATH=/root/.flowise/logs
      - BLOB_STORAGE_PATH=/root/.flowise/storage
    ports:
      - "3000:3000"
    volumes:
      - ~/.flowise:/root/.flowise
    command: /bin/sh -c "sleep 3; flowise start"

关键环境变量

• PORT：Flowise 监听的内部和外部端口。
• DATABASE_PATH：保存你的流程和凭证的位置。请务必备份！

第三步：部署

启动容器：

docker compose up -d

验证是否运行：

docker compose ps

现在可以通过 http://your-ip:3000 访问仪表盘。

第四步：构建你的第一个代理（动手实践）

1. 在仪表盘中点击 + Create New。
2. 添加一个 Chat Model 节点（例如 ChatOpenAI 或本地 Ollama 节点）。
3. 添加一个 Tool Agent 节点。
4. 添加一个 Google Search Tool（需要 SerpApi 密钥）。
5. 将节点连接起来。

Tool Agent 充当大脑，决定何时从网络获取实时数据，何时仅使用内部知识作答。

安全提示：反向代理

如果将 Flowise 暴露到互联网，不要直接开放 3000 端口。请使用 Nginx 或 Caddy 并配合基本认证或 SSO 提供商。

# Example Caddyfile for SSL
flowise.yourdomain.com {
    reverse_proxy localhost:3000
}

参考资料与进一步阅读

• Flowise 官方文档
• LangChain 生态系统
• Docker AI 工作负载最佳实践