Как создать чатбота с Flowise

После выполнения инструкции вы запустите Flowise, соберёте базового чатбота в Chatflow по официальному сценарию Conversational Agent и проверите его через chat icon в интерфейсе. Если нужен бот по вашим материалам, вы также поймёте, как перевести его в RAG-схему с Knowledge и Document Store.

Редакционный вердикт: для быстрого прототипа без администрирования серверов практичнее Flowise Cloud. Для полного контроля подойдёт self-hosted Flowise, но здесь важно помнить, что основной OSS-репозиторий архивирован 2026-08-13 и переведён в read-only, поэтому для продакшн-эксплуатации нужно отдельно следить за релизами, обновлениями и своей процедурой поддержки.

• Время: в официальных источниках не указано; зависит от того, запускаете ли вы Cloud или self-hosted вариант, и есть ли у вас готовая конфигурация модели.
• Сложность: средний.
• Стоимость: на официальной странице pricing указаны планы Flowise Cloud Free $0/month, Starter $35/month и Pro $65/month; для Enterprise предлагается связаться с командой. Для self-hosted отдельная цена OSS в источниках не зафиксирована; дополнительно учитывайте стоимость модели и вашей инфраструктуры.
• Что потребуется: Node.js v18.15.0 или v20+ для локального запуска, браузер, доступ к Flowise Cloud или локальному серверу Flowise; для RAG-сценария — Knowledge через Document Store и при необходимости vector DB с embedding model по официальному tutorial.
• Актуальная версия: документация и pricing проверены по состоянию на 2026-08-15; последняя релизная версия OSS на GitHub — [email protected] от 2026-07-29.

Когда какой вариант выбирать

Ограничение материала: исходный пакет подтверждает официальный путь запуска, базовые сущности Chatflow/RAG, endpoint Prediction API и caveats по embed, но не содержит полного списка текущих узлов, полей форм и экранов конфигурации модели. Поэтому ниже зафиксирован воспроизводимый базовый путь, а точные поля конкретной интеграции модели или vector DB нужно сверять с актуальными страницами документации Flowise.

Пошагово: как создать чатбота с Flowise

1. Выберите способ запуска: Cloud или self-hosted.

   Если у вас нет опыта администрирования серверов, официальный Get Started рекомендует Flowise Cloud. Если вам нужен локальный контроль, разработка у себя или собственный хостинг, выбирайте self-hosted установку.

   Ожидаемый результат: вы заранее понимаете, будете ли работать в Cloud или поднимать локальный Flowise.

2. Запустите self-hosted Flowise, если выбрали локальный путь.

   Установите Node.js версии v18.15.0 или v20+, затем выполните команды из официального quick start.

   npm install -g flowise
   npx flowise start

   После запуска откройте в браузере http://localhost:3000.

   Ожидаемый результат: интерфейс Flowise открывается локально на localhost:3000. Если вы работаете через Cloud, этот шаг можно пропустить и сразу перейти к созданию flow в веб-интерфейсе.

3. Создайте Chatflow как основу чатбота.

   В документации Flowise указано, что Chatflow предназначен для single-agent systems, чатботов и простых LLM flows. Для базового бота начните новый Chatflow и используйте официальный tutorial Conversational Agent как опорный сценарий.

   Ожидаемый результат: у вас есть отдельный Chatflow, в котором будет собран диалоговый бот.

4. Соберите базовый conversational flow по официальному tutorial.

   На этом шаге воспроизведите структуру из страницы Conversational Agent. Исходный пакет подтверждает сам путь сборки и проверку через chat icon, но не фиксирует полный перечень текущих узлов, названия всех полей и конкретные параметры интеграции модели. Практически это означает одно: заполняйте поля ровно по актуальной странице документации Flowise, а не по старым видео или блогам.

   Ожидаемый результат: Chatflow сохранён и готов к тестовому диалогу в интерфейсе.

5. Добавьте Knowledge, если вам нужен бот по документам.

   Если обычного диалогового бота недостаточно и нужен Q&A-бот по вашим материалам, переключайтесь на официальный RAG-путь. В tutorial RAG описана схема с Agent node + Knowledge через Document Store; при необходимости можно подключить vector DB и embedding model напрямую, а также задать system prompt.

   Этот шаг не обязателен для простого conversational chatbot, но обязателен, если бот должен отвечать по загруженным документам или базе знаний.

   Ожидаемый результат: ваш flow либо работает как обычный диалоговый бот, либо использует подключённые знания по RAG-схеме.

6. Проверьте чатбота через chat icon в UI.

   Официальный tutorial Conversational Agent предлагает проверять результат через chat icon. Откройте этот режим и отправьте тестовый вопрос. Если вы собирали RAG-версию, задайте вопрос по вашим материалам, чтобы проверить, использует ли бот подключённое Knowledge.

   Ожидаемый результат: Flowise возвращает ответ в окне чата, и вам не нужно вручную вызывать API для первичной проверки.

7. Проверьте того же чатбота через Prediction API.

   Для flows и assistants основной endpoint в документации — POST /api/v1/prediction/:id. Используйте ID вашего flow или assistant и отправьте тестовый запрос из любого HTTP-клиента.

   POST /api/v1/prediction/:id

   Важное ограничение: в исходном пакете зафиксирован endpoint, но не приведена полная схема тела запроса для всех типов flow. Поэтому точный payload нужно сверять по текущей странице Prediction перед интеграцией с сайтом, приложением или автоматизацией.

   Ожидаемый результат: бот отвечает не только в UI, но и через API.

8. Встройте чатбота на сайт, если нужен веб-виджет.

   Документация Flowise указывает, что widget script нужно вставить между тегами <body>. Если вы используете Flowise ниже v2.1.0, для streaming может понадобиться ветка v1.x Flowise-Embed; в документации последняя поддерживаемая версия web.js указана как v1.3.14.

   Точный script-snippet берите с текущей страницы Embed: исходный пакет подтверждает место вставки и версионные ограничения, но не содержит весь код виджета.

   Ожидаемый результат: чатбот открывается как встроенный виджет на странице сайта.

Как проверить, что всё работает

• Проверка в UI: откройте chat icon и задайте простой вопрос. Если бот отвечает без ошибок, базовый conversational flow собран корректно.
• Проверка RAG: задайте вопрос по загруженному материалу. Если ответ опирается на вашу knowledge-схему, значит Agent node + Knowledge связаны рабочим образом.
• Проверка API: отправьте запрос на POST /api/v1/prediction/:id. Если вы получаете ответ от того же flow, интеграция готова для внешних клиентов.
• Проверка виджета: после вставки widget script откройте страницу сайта и убедитесь, что чат-окно появляется и отправляет сообщения.

Частые ошибки и исправления

• Ошибка: Flowise не стартует локально.
  Решение: проверьте версию Node.js. В официальном quick start зафиксированы v18.15.0 или v20+.
• Ошибка: вы рассчитываете на Cloud-функции Workspaces в обычной self-hosted установке.
  Решение: учитывайте, что Workspaces доступны только для Cloud и Enterprise; для новой self-hosted установки документация отдельно упоминает admin setup.
• Ошибка: в Cloud не удаётся развернуть больше flow или assistants на free plan.
  Решение: сверьтесь с ограничением Cloud V2: free plan ограничен 2 flows и 2 assistants.
• Ошибка: встроенный виджет ведёт себя нестабильно на старой версии Flowise.
  Решение: если у вас версия ниже v2.1.0, проверьте caveat из документации Embed: может потребоваться ветка v1.x Flowise-Embed, а документированная поддерживаемая версия web.js — v1.3.14.
• Ошибка: MCP-интеграция работает локально, но ломается в облачном сценарии.
  Решение: в документации Tools & MCP указано, что stdio рекомендуется только для локального использования, а для облака следует использовать Streamable HTTP.

Безопасность и ограничения

Self-hosting у Flowise требует большей техподготовки, а также собственной дисциплины по бэкапам и обновлениям. Это прямо отмечено в официальном Get Started, где для пользователей без серверного опыта рекомендуется Cloud.

Для Cloud действуют тарифные и количественные ограничения. В миграционной документации указано, что в Cloud V2 free plan ограничен 2 flows и 2 assistants, а актуальные цены и квоты нужно проверять на официальной странице pricing перед покупкой.

Отдельно учитывайте состояние OSS-репозитория: он архивирован владельцем 2026-08-13 и переведён в read-only. Практический вывод простой: для self-hosted нельзя опираться только на старые материалы из GitHub; сверяйте документацию, страницу релизов и текущую эксплуатационную схему до внедрения в продакшн.

Ещё одно ограничение — полнота исходного пакета. В нём нет полного списка интерфейсных полей для каждого узла, а страницы документации были зафиксированы как crawled 4-5 months ago. Перед запуском в рабочую среду перепроверьте текущие названия узлов и параметры прямо в документации Flowise.

Что делать дальше

• Если хотите сравнить визуальный подход Flowise с кодовым, посмотрите инструкцию Как создать простого AI-агента с LangChain.
• Если вам нужен агентный сценарий сложнее одного chatflow, полезно сопоставить его с материалами Как создать мультиагентную систему с AutoGen и Как создать ИИ-агента на CrewAI.
• Если после сборки бота вы хотите быстро подключить его к внешним сервисам, пригодится инструкция Как создать API-клиент с помощью AI.
• Для Flowise-бота с внешними инструментами и серверными возможностями отдельно изучите официальный tutorial Tools & MCP и сразу планируйте транспорт: stdio — локально, Streamable HTTP — для облачного сценария.

Источники

• Introduction | FlowiseAI
• Get Started | FlowiseAI
• Conversational Agent | FlowiseAI
• RAG | FlowiseAI
• Prediction | FlowiseAI
• Embed | FlowiseAI
• Workspaces | FlowiseAI
• Tools & MCP | FlowiseAI
• Cloud Migration | FlowiseAI
• Flowise – Build AI Agents, Visually
• Releases · FlowiseAI/Flowise · GitHub
• GitHub – FlowiseAI/Flowise: Build AI Agents, Visually · GitHub

Вопросы и ответы

Можно ли создать чатбота с Flowise без собственного сервера?

Да. Официальный Get Started прямо рекомендует Flowise Cloud, если у вас нет опыта администрирования серверов. Но учитывайте, что в Cloud V2 free plan ограничен 2 flows и 2 assistants.

Что выбрать для обычного бота: Chatflow или RAG?

Для обычного диалогового бота достаточно Chatflow: документация описывает его как инструмент для single-agent systems, чатботов и простых LLM flows. Если бот должен отвечать по вашим документам, переходите к RAG-схеме с Agent node и Knowledge через Document Store.

Как понять, что чатбот действительно готов к интеграции?

Сначала проверьте его через chat icon в интерфейсе. Затем проверьте тот же flow через POST /api/v1/prediction/:id; если бот отвечает и в UI, и через API, базовая интеграционная готовность есть.

Можно ли встроить чатбота Flowise на сайт?

Да. По документации widget script вставляется между тегами <body>. Если у вас Flowise ниже v2.1.0, проверьте caveat по совместимости с Flowise-Embed и версии web.js.

Подходит ли Flowise для MCP-интеграций?

Да, Flowise поддерживает подключение к внешним tool/server-системам через MCP. Но документация отдельно предупреждает: stdio рекомендуется только для локального использования, а для облачных сценариев лучше применять Streamable HTTP.