โลโก้ Flowise
AI, Machine Learning และ LLMApache License 2.0 พร้อมเงื่อนไขเพิ่มเติม

Flowise คืออะไร และวิธีติดตั้งบน Cloud Server

Flowise คือเครื่องมือสร้างแชทบอทและเวิร์กโฟลว์ที่ใช้โมเดลภาษาแบบลากวาง สร้างบน Node.js และมีความสามารถที่ใช้ได้ทันทีคือฝังหน้าต่างแชทลงเว็บขององค์กร

หมวดหมู่
AI, Machine Learning และ LLM
ติดตั้งบนเซิร์ฟเวอร์เองได้
ได้
สเปกเริ่มต้นที่แนะนำ
2 vCPU · RAM 4 GB
ไลเซนส์
Apache License 2.0 พร้อมเงื่อนไขเพิ่มเติม
เว็บทางการ
เปิดเว็บไซต์
สร้าง Cloud Server เดี๋ยวนี้
  • ISO/IEC 27001
  • ISO 22301
  • ISO 20000-1
  • CSA-STAR

Data Center ในไทย มาตรฐาน TIA-942 Tier 3+ ข้อมูลอยู่ในประเทศไทย

Flowise คืออะไร

ธุรกิจจำนวนมากอยากมีแชทบอทที่ตอบคำถามจากเอกสารของตัวเองได้ แต่การพัฒนาตั้งแต่ต้นต้องใช้เวลาและทีมพัฒนา Flowise ลดขั้นตอนนี้ลงเหลือการประกอบส่วนประกอบบนหน้าจอ

ขั้นตอนทั่วไปคือนำเข้าเอกสารขององค์กร แปลงเป็นเวกเตอร์เก็บในฐานข้อมูล แล้วต่อกับโมเดลภาษาเพื่อให้ตอบคำถามโดยอ้างอิงจากเอกสารจริง ซึ่งทำได้ทั้งหมดจากหน้าจอเดียว

เมื่อได้ผลที่ต้องการ ระบบให้โค้ดสำหรับฝังหน้าต่างแชทลงเว็บหรือ API สำหรับให้แอปเรียกใช้ จึงนำไปใช้งานจริงได้เร็วโดยไม่ต้องเขียนส่วนหน้าเอง

แผนผังการวางระบบ Flowise บน Cloud Server หนึ่งเครื่องที่ Data Center ในประเทศไทย ผู้ใช้เข้าถึงผ่านไฟร์วอลล์ที่เปิดเฉพาะพอร์ต 443, 3000 ตัว Flowise และข้อมูลอยู่บนเครื่องเดียวกัน เริ่มต้นที่ 2 vCPU แรม 4 GB และมีสำเนาสำรองเขียนออกไปเก็บอีกไซต์หนึ่ง
Flowise ทำงานบน Cloud Server เครื่องเดียวได้ครบ เปิดเฉพาะพอร์ตที่จำเป็น ข้อมูลและสำเนาสำรองอยู่ใน Data Center ในประเทศไทย

ความสามารถเด่นของ Flowise

สร้างแชทบอทแบบลากวาง

ประกอบส่วนประกอบบนหน้าจอโดยไม่ต้องเขียนโค้ด

ตอบคำถามจากเอกสารขององค์กร

นำเข้าเอกสารแล้วให้บอทอ้างอิงจากข้อมูลจริง

ฝังหน้าต่างแชทลงเว็บได้ทันที

ได้โค้ดสำหรับวางในเว็บโดยไม่ต้องพัฒนาส่วนหน้าเอง

ใช้กับโมเดลที่รันเองได้

ชี้ไปที่เซิร์ฟเวอร์โมเดลของตัวเองแทนบริการภายนอก

เปิดเป็น API

ให้ระบบอื่นเรียกใช้ผลลัพธ์ของเวิร์กโฟลว์ได้

ใช้ Flowise ทำอะไรได้บ้าง

  • แชทบอทตอบคำถามลูกค้าบนเว็บขององค์กร
  • ผู้ช่วยภายในที่ตอบคำถามจากคู่มือและระเบียบของบริษัท
  • ทำต้นแบบระบบ AI ให้ผู้บริหารเห็นภาพก่อนลงทุนพัฒนา
  • ทีมที่ต้องการทดลองหลายรูปแบบก่อนเลือกแนวทาง

สเปก Cloud Server ที่แนะนำ

แผนภาพเทียบสเปก Cloud Server สำหรับ Flowise 3 ระดับ เริ่มจาก 2 vCPU แรม 4 GB ดิสก์ NVMe 40 GB ไปจนถึง 8 vCPU ขึ้นไป แรม 16 GB ขึ้นไป ดิสก์ NVMe 200 GB ขึ้นไป โดยเทียบขนาดแยกตามแต่ละคอลัมน์
เริ่มจากระดับที่ตรงกับการใช้งานตอนนี้ แล้วเพิ่ม CPU และ RAM ทีหลังได้บนเครื่องเดิม
ระดับการใช้งานvCPURAMDisk
เริ่มต้นทดลองและแชทบอทที่มีผู้ใช้ไม่มาก2 vCPU4 GBNVMe 40 GB
แนะนำแชทบอทบนเว็บที่มีผู้ใช้ต่อเนื่อง4 vCPU8 GBNVMe 100 GB
ใช้งานหนักหลายบอทและมีคำขอจำนวนมาก8 vCPU ขึ้นไป16 GB ขึ้นไปNVMe 200 GB ขึ้นไป

ดูราคาตามสเปกได้ที่ ราคา Cloud Compute หรือให้ทีมงานช่วยประเมินสเปกจากปริมาณผู้ใช้จริงของคุณ

วิธีติดตั้ง Flowise บน Cloud Server ของ THAI DATA CLOUD

ขั้นตอนด้านล่างใช้กับ Cloud Server ที่เพิ่งสร้างใหม่จากหน้าจัดการของ THAI DATA CLOUD ได้ทันที ถ้าไม่สะดวกทำเอง ทีมวิศวกรของเราติดตั้งและตั้งค่าให้ฟรีสำหรับลูกค้า Cloud Server

สิ่งที่ต้องเตรียม

  • Node.js หรือ Docker
  • เซิร์ฟเวอร์โมเดลหรือคีย์สำหรับเรียกใช้บริการโมเดล
  • ฐานข้อมูลเวกเตอร์สำหรับเก็บเอกสาร
  • Nginx พร้อมใบรับรอง SSL

ทดสอบบน Ubuntu Server 24.04 LTS ที่ติดตั้ง Docker แล้ว

  1. 1

    รัน Flowise พร้อมตั้งการยืนยันตัวตน

    docker run -d --name flowise \
      -p 127.0.0.1:3000:3000 \
      -v /srv/flowise:/root/.flowise \
      -e FLOWISE_USERNAME=admin \
      -e FLOWISE_PASSWORD=ChangeThisStrongPassword \
      --restart unless-stopped \
      flowiseai/flowise
  2. 2

    ตั้ง Nginx และ HTTPS

    ต้องตั้งให้รองรับการตอบแบบทยอยส่งข้อความ มิฉะนั้นผู้ใช้จะต้องรอจนคำตอบจบจึงเห็นข้อความ

    location / {
      proxy_pass http://127.0.0.1:3000;
      proxy_http_version 1.1;
      proxy_set_header Connection "";
      proxy_buffering off;
    }
  3. 3

    สร้างเวิร์กโฟลว์แชทบอท

    ลากส่วนประกอบมาต่อกัน ทั้งตัวโหลดเอกสาร ตัวแปลงเป็นเวกเตอร์ ฐานข้อมูลเวกเตอร์ และโมเดลภาษา แล้วทดสอบด้วยคำถามจริง

  4. 4

    ชี้ไปที่โมเดลที่รันเอง

    # ตัวอย่างค่าที่ตั้งในส่วนประกอบโมเดล
    Base URL: http://10.10.0.60:11434
    Model: llama3.1
  5. 5

    นำเข้าเอกสารขององค์กร

    อัปโหลดคู่มือ ระเบียบ หรือเอกสารสินค้า แล้วให้ระบบแปลงเป็นเวกเตอร์เก็บไว้ ซึ่งเป็นสิ่งที่ทำให้บอทตอบจากข้อมูลจริงขององค์กรได้

  6. 6

    ฝังหน้าต่างแชทลงเว็บ

    <script type="module">
      import Chatbot from "https://chat.example.com/web.js"
      Chatbot.init({ chatflowid: "YOUR-FLOW-ID", apiHost: "https://chat.example.com" })
    </script>

ทดสอบคำถามที่คาดว่าลูกค้าจะถามจริงให้ครบก่อนเปิดใช้งาน และตั้งขอบเขตให้บอทตอบว่าไม่ทราบเมื่อไม่มีข้อมูล ดีกว่าปล่อยให้ตอบผิด

พอร์ตที่ต้องเปิดบน Firewall

พอร์ตโปรโตคอลใช้ทำอะไร
443TCPHTTPS สำหรับหน้าจอ API และหน้าต่างแชท
3000TCPพอร์ตภายในของแอป

สิ่งที่ควรทำต่อหลังติดตั้งเสร็จ

  • ตั้งการยืนยันตัวตนสำหรับหน้าจอจัดการเสมอ
  • จำกัดโดเมนที่ฝังหน้าต่างแชทได้
  • จำกัดอัตราการเรียกใช้เพื่อคุมค่าใช้จ่ายและป้องกันการใช้ผิดวัตถุประสงค์
  • ไม่นำเข้าเอกสารที่มีข้อมูลส่วนบุคคลโดยไม่จำเป็น

ทำไมควรรัน Flowise บน Cloud Server ของ THAI DATA CLOUD

Data Center ในประเทศไทย มาตรฐาน ISO/IEC 27001 และ ISO 22301 พร้อมทีมวิศวกรคนไทยดูแลตลอด 24 ชั่วโมง

รันคู่กับ Ollama และฐานข้อมูลเวกเตอร์ใน Private Network ทำให้เอกสารขององค์กรไม่ออกนอกประเทศ

แชทบอทตอบสนองเร็วสำหรับผู้ใช้ในไทยเพราะเซิร์ฟเวอร์อยู่ในประเทศ

ควบคุมต้นทุนได้จากค่าเครื่องรายเดือนแทนการจ่ายตามปริมาณการใช้

คำถามที่พบบ่อยเกี่ยวกับ Flowise

Flowise ต่างจาก Langflow อย่างไร

แนวคิดใกล้เคียงกันมาก ต่างที่ Flowise อยู่บน Node.js และมีความสามารถฝังหน้าต่างแชทลงเว็บที่ใช้ได้ทันที ส่วน Langflow อยู่บน Python ซึ่งเข้ากับระบบนิเวศงาน AI ได้ตรงกว่า

ทำแชทบอทที่ตอบจากเอกสารของบริษัทได้ไหม

ได้ และเป็นการใช้งานที่พบบ่อยที่สุด โดยนำเข้าเอกสารแล้วให้ระบบแปลงเป็นเวกเตอร์เก็บไว้ เมื่อมีคำถามระบบจะดึงส่วนที่เกี่ยวข้องมาประกอบให้โมเดลตอบ ทำให้คำตอบอ้างอิงจากข้อมูลจริง

เอกสารของบริษัทจะรั่วไหม

ไม่รั่วถ้ารันโมเดลเองบน Cloud Server ในองค์กร เพราะทั้งเอกสารและคำถามไม่ออกไปนอกวงเครือข่ายเลย แต่ถ้าใช้บริการโมเดลภายนอก ข้อความที่ส่งไปจะออกนอกองค์กร จึงควรพิจารณาตามความอ่อนไหวของข้อมูล

ให้เราติดตั้ง Flowise ให้ฟรี บน Cloud Server ในไทย

แจ้งความต้องการสั้น ๆ ทีมวิศวกรจะช่วยประเมินสเปก ติดตั้ง และตั้งค่าความปลอดภัยให้พร้อมใช้งาน ปรึกษาฟรี ไม่มีข้อผูกมัด