多 Agent 系统
通过 Agentflow 构建多 Agent 系统，工作流编排可分布在多个相互协调的 Agent 之间，适合把复杂任务拆解给不同角色分别处理。
价格Free $0 /month 起，Starter $35 /month，Pro $65 /month
平台Web / API / Open Source
归类大模型与开发平台
收录2026-10-10
复核2026-10-10
编辑评分
4.4 / 5
★★★★☆
Flowise编辑总结
Flowise 是一个开源 agentic systems 开发平台，通过可视化界面让开发者用模块化积木搭建从简单组合工作流到自主 Agent 的系统。它支持多 Agent 编排、Chatflow 聊天助手与 RAG 知识检索，并通过 API、SDK 和嵌入式组件对接应用。官方提供 100+ LLMs、Embeddings 与 Vector DBs 支持，可在云端或本地部署并横向扩展。定价方面，免费版限 2 Flows 与 100 Predictions / month，Starter 为 $35 /month，Pro 为 $65 /month。明显短板是免费额度偏低，且团队协作需升级到 Pro 档。
Flowise是什么？
Flowise 是一个开源的 agentic systems 开发平台，面向希望以可视化方式构建 LLM 应用的开发者与团队。它把构建 AI Agent 的过程拆解为模块化的积木，让用户无需从零编写编排代码即可组装流程。
看，它的核心能力分为几类：Agentflow 用于构建跨多个协调 Agent 分布编排的多 Agent 系统；Chatflow 用于构建支持工具调用和从多种数据源做知识检索（RAG）的单 Agent 系统与聊天机器人；HITL（Human In the Loop）允许人工在反馈闭环中审查 Agent 执行的任务；Observability 提供完整执行轨迹，并支持 Prometheus、OpenTelemetry 等可观测性工具。开发者可通过 API、TypeScript 与 Python SDK 以及嵌入式聊天组件把 Flowise 集成进自己的应用。
使用方式上，个人开发者可以直接通过 npm 安装并启动本地服务；团队和企业用户则可用官方托管服务按档位扩展，或选择 on-prem 与 cloud 部署，并通过消息队列和 worker 横向扩展。已支持 100+ LLMs、Embeddings 与 Vector DBs。
Flowise核心功能
聊天助手与 RAG
通过 Chatflow 构建单 Agent 系统与聊天机器人，支持工具调用，并能从多种数据源做知识检索（RAG），让回答基于自有知识库。
Human In the Loop
允许人类在反馈闭环中审查 Agent 执行的任务，在自动化流程的关键节点加入人工确认，降低自主执行带来的风险。
执行轨迹可观测
提供完整执行轨迹，并支持 Prometheus、OpenTelemetry 等可观测性工具，方便在生产环境中排查 Agent 的运行问题。
API、SDK 与嵌入
通过 API、SDK 与嵌入式聊天组件扩展并集成到自己的应用中，官方提供 TypeScript 与 Python SDK，以及 Embedded Widget。
模型与向量库支持
支持 100+ LLMs、Embeddings、Vector DBs，可在同一个可视化流程中组合不同的模型与向量数据库。
部署与横向扩展
支持 on-prem 与 cloud 部署，并可通过消息队列与 worker 横向扩展，面向企业级基础设施的生产规模场景。
Flowise值不值得用？
当你想快速用可视化方式把 LLM 流程或 Agent 跑起来时，Flowise 值得一试：开源、支持本地 npm 安装，覆盖 100+ LLMs 与 Vector DBs，还能通过 API、TypeScript 与 Python SDK 集成进现有应用。但当成生产级多人协作平台用时要注意：免费版只有 2 Flows 与 100 Predictions / month、5MB 存储，10,000 Predictions / month 要 $35 /month，团队协作的 Unlimited Workspaces 与 Admin Roles 要到 $65 /month 的 Pro 档才提供。要不要用它，主要看你是想先低成本验证流程，还是需要一套已经配好权限与优先支持的企业方案。
建议选它的情况
- 想用拖拽方式快速验证 LLM 流程或 Agent 想法的开发者
- 需要多 Agent 编排、工具调用与 RAG 检索的一体化搭建能力
- 需要在 on-prem 或 cloud 部署，并希望用消息队列与 worker 横向扩展的团队
- 已有应用需要通过 API、TypeScript 或 Python SDK、嵌入组件做集成的团队
不建议选它的情况
- 每月预测调用量远超 50,000 次且不愿按档位升级预算的团队
- 需要开箱即用、有大量免费存储额度来做知识库的场景
- 只想用现成成品聊天工具、不打算自己搭流程的个人用户
Flowise使用建议
入门先把路子走对
- 先用 npm 装本地版在终端执行 npm install -g flowise 后运行 npx flowise start，即可在本地起一个可视化界面，无需先付费即可熟悉搭建流程。
- 从 Chatflow 起步首次搭建建议先做一个 Chatflow 单 Agent 聊天助手，接入一个数据源做 RAG，验证工具调用与知识检索是否符合预期。
- 试用嵌入式聊天搭好助手后使用 Embedded Widget 把它嵌入自己的网页，确认对话效果和嵌入样式，再决定是否推向正式环境。
- 免费档先算额度免费档为 2 Flows & Assistants、100 Predictions / month、5MB Storage，先据此估算自己的调用量再决定是否需要升级。
进阶省时间也省钱
- 接可观测性工具在生产环境接入 Prometheus 或 OpenTelemetry，用完整执行轨迹定位 Agent 多步调用中的失败环节，减少逐个流程排查的时间。
- 关键节点加人工审核对风险较高的 Agent 任务启用 HITL，在反馈闭环里加入人工审查，避免自主执行产生不可逆的副作用。
- 用队列横向扩展当预测调用量上升时，按官方方案用消息队列与 worker 做横向扩展，而不是单纯提高单机配置。
- 按人数算 Pro 成本Pro 档含 5 Users，超出后为 $15/user/month，多人团队选档前先按实际人数把月度成本算清楚。
Flowise适合谁用？
独立开发者
推荐可用 Free 档起步，2 Flows 与 100 Predictions / month 足够验证想法，之后按需升到 $35 /month 的 Starter。
中小型团队
推荐Starter 提供 Unlimited Flows 与 10,000 Predictions / month，适合调用量不大、暂不需要权限管理的团队。
需要多 Agent 编排的团队
推荐Agentflow 支持在多个协调 Agent 间分布工作流编排，适合把复杂任务拆分处理的场景。
高调用量企业
有条件Pro 档为 50,000 Predictions / month 与 10GB Storage，超出后需评估更高档位或自建部署的成本。
追求零搭建的普通用户
不推荐平台以可视化搭建流程为主，需要自己配置模型、数据源与集成，不适合只想直接用现成聊天产品的人。
Flowise优点和缺点
优点
- 开源 agentic systems 开发平台，可通过 npm 安装到本地运行
- 支持 100+ LLMs、Embeddings、Vector DBs 的组合使用
- 同时提供 API、TypeScript 与 Python SDK、Embedded Widget
- 支持 on-prem 与 cloud 部署，可用消息队列和 worker 横向扩展
- Free 档 $0 /month 即可开始，Starter 首月免费
- 具备 HITL 人工审查与 Prometheus、OpenTelemetry 执行轨迹
缺点
- Free 档仅 2 Flows & Assistants、100 Predictions / month
- Free 档存储仅 5MB，难以承载较大知识库
- 团队协作的 Unlimited Workspaces 与 Admin Roles 要到 $65 /month 的 Pro 档
- Pro 档超出 5 Users 后需按 $15/user/month 追加
Flowise常见问题
Flowise 多少钱，有免费版吗？＋
有免费档，价格为 $0 /month，包含 2 Flows & Assistants、100 Predictions / month、5MB Storage、Evaluations & Metrics、Custom Embedded Chatbot Branding 与社区支持。付费档为 Starter $35 /month 和 Pro $65 /month。 Starter 可首月免费试用。
当前主力能力是什么？＋
Agentflow 用于构建跨多个协调 Agent 的多 Agent 系统；Chatflow 用于构建支持工具调用和从多种数据源做知识检索（RAG）的单 Agent 与聊天机器人；HITL 允许人在反馈闭环中审查 Agent 任务；Observability 提供完整执行轨迹并支持 Prometheus，OpenTelemetry。
付费档之间有什么区别？＋
Starter 为 $35 /month，在 Free 基础上提供 Unlimited Flows & Assistants、10,000 Predictions / month 与 1GB Storage。Pro 为 $65 /month，在 Starter 基础上提供 50,000 Predictions / month、10GB Storage、Unlimited Workspaces、5 Users（超出为 $15/user/month）、Admin Roles & Permissions 与 Priority Support。
怎么把它集成到自己的应用里？＋
官方提供 API、SDK 与 Embedded Chat 三种方式，具体包括 APIs、Embedded Widget 以及 TypeScript 与 Python SDK。给出的 API 调用示例为向 /api/v1/prediction/:id 发起 POST 请求并传入 JSON payload。
能在本地或私有环境部署吗？＋
可以。强调 Enterprise Ready / Production Scale，支持 on-prem 与 cloud deployment，并可通过 message queue 和 workers 横向扩展。此外它也提供可直接在本地运行的 npm 安装方式：npm install -g flowise，随后 npx flowise start 启动。
支持哪些模型和向量数据库？＋
官方支持 100+ LLMs、Embeddings、Vector DBs，可在可视化流程中组合使用。但未给出具体厂商或数据库名单，建议以官方文档的实际支持列表为准。
Flowise竞品对比
| 工具 | 编辑评分 | 价格 | 核心功能 | 平台 |
|---|---|---|---|---|
| Flowise本工具 | 4.4 | Free $0 /month 起，Starter $35 /month，Pro $65 /month | 多 Agent 系统；聊天助手与 RAG；Human In the Loop；执行轨迹可观测 | Web / API / Open Source |
| Langfuse | — | 免费 Hobby 档；Core $29 / month；Pro $199 / m | 开源的 LLM 应用程序分析 | Web / API / Self-hosted |
| Xturing | — | 未标价 | 构建和控制你自己的 LLMs | Web |
| ChatRTX | — | 未标价 | 构建定制的大型语言模型(LLM)以增强聊天机器人的能力 | — |
| Pezzo | — | 未标价 | 开发者优先的 LLMOps 平台 | — |
| Unsloth | — | 开源、免费（Free、Open-source、100% Local） | 开源的 LLM 微调和强化学习工具 | Mac / Windows / Linux |
