「FlowGram.AI」是什么？

它是由字节开源的一款基于节点的流程搭建引擎，说这个工具你可能没有听说过它，但是你一定用过它的产品，那就是飞书工作流和Coze，其实这个FlowGram.AI就是他们背后的那套引擎。这个工具宗旨，从名字上可以拆解看出，FlowGram=Flow+Program，就是想让我们流程像代码程序一样，拥有分支和节点，并且在后缀加上了.AI，寓意着让流程来赋能AI。

一、为什么我们要用FlowGram.AI？

以前如果要开发一个工作流程的工具，我们是怎么做的？

是需要研发人员手动编写代码，需要分别处理每一个分支流程或者循环操作流程。同时需要测试人员对这套流程进行测试，最后发布上线。这一套流程下来可能需要耗费几天的时间。

今天推荐的这个开源工具FlowGram.AI，就是为了解决这个工作流搭建的问题。

它可以通过拖拽流程、自由连接、配置输入输出、最后还可以导出代码或者图片，通过使用这个可视化编排工具，可以在短短几分钟的时间，就能创建出一套你想要的功能流程。

它核心的功能就是解决怎么做的问题，同字节跳动开源的另外一款工具[DeerFlow]相辅相成。

二、核心功能包括哪些？

1、双布局模式：

固定布局，节点、分支可以拖拽到特定位置，并提供分支、循环等节点

自由布局，节点支持任意位置移动，并且可以通过连线自由连接节点

2、丰富的交互：极好的交互体验

支持框选+拖拽

支持手势缩放 + 空格自由拖动画布

支持撤销/重做

支持分支折叠

支持自动整理

3、加持AI功能：在每个节点都可以支持配置大模型，进行辅助提供结果。

4、支持导出代码或图片：可以把流程生成为脚本，或者导出PNG，SVG格式图片方便其他人查看使用。

三、主要应用场景？

1、自动化办公：使用FlowGram.AI，将日常工作中所有重复工作内容，都可以编排成工作流自动去执行，提高工作效率。

2、数据分析：使用FlowGram.AI，搭建一套工作流，自动进行，数据拉取、清洗、分析、报表展示，节省人工的时间。

3、MIT协议二次开发：使用FlowGram.AI，支持二次开发，搭建一套属于自己的特性工作流平台

四、如何部署？

部署方式：

方式一

直接安装FlowGram.AI最新版本

npx @flowgram.ai/create-app@latest

然后选择不同的模板

# 固定布局模板fixed-layout # 自由布局模板free-layout# 固定布局简化版本fixed-layout-simple# 自由布局简化版本 free-layout-simple

方式二

需安装Node.js18及以上版本

可以从Node官网上下载，直接安装即可

把代码拉取到本地

git clone git@github.com:bytedance/flowgram.ai.git

安装全局依赖主要是rush

npm i -g pnpm@9.12.0 @microsoft/rush@5.140.1

安装依赖

rush install

构建项目

rush build

运行项目，可以看文档或者两个模板

rush dev:docs # docs# 固定布局模板rush dev:demo-fixed-layout# 自由布局模板 rush dev:demo-free-layout

然后访问http://localhost:3000/

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

第一阶段（10天）：初阶应用

该阶段让大家对大模型 AI有一个最前沿的认识，对大模型 AI 的理解超过 95% 的人，可以在相关讨论时发表高级、不跟风、又接地气的见解，别人只会和 AI 聊天，而你能调教 AI，并能用代码将大模型和业务衔接。

• 大模型 AI 能干什么？
• 大模型是怎样获得「智能」的？
• 用好 AI 的核心心法
• 大模型应用业务架构
• 大模型应用技术架构
• 代码示例：向 GPT-3.5 灌入新知识
• 提示工程的意义和核心思想
• Prompt 典型构成
• 指令调优方法论
• 思维链和思维树
• Prompt 攻击和防范
• …

第二阶段（30天）：高阶应用

该阶段我们正式进入大模型 AI 进阶实战学习，学会构造私有知识库，扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架，抓住最新的技术进展，适合 Python 和 JavaScript 程序员。

• 为什么要做 RAG
• 搭建一个简单的 ChatPDF
• 检索的基础概念
• 什么是向量表示（Embeddings）
• 向量数据库与向量检索
• 基于向量检索的 RAG
• 搭建 RAG 系统的扩展知识
• 混合检索与 RAG-Fusion 简介
• 向量模型本地部署
• …

第三阶段（30天）：模型训练

恭喜你，如果学到这里，你基本可以找到一份大模型 AI相关的工作，自己也能训练 GPT 了！通过微调，训练自己的垂直大模型，能独立训练开源多模态大模型，掌握更多技术方案。

到此为止，大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗？

• 为什么要做 RAG
• 什么是模型
• 什么是模型训练
• 求解器 & 损失函数简介
• 小实验2：手写一个简单的神经网络并训练它
• 什么是训练/预训练/微调/轻量化微调
• Transformer结构简介
• 轻量化微调
• 实验数据集的构建
• …

第四阶段（20天）：商业闭环

对全球大模型从性能、吞吐量、成本等方面有一定的认知，可以在云端和本地等多种环境下部署大模型，找到适合自己的项目/创业方向，做一名被 AI 武装的产品经理。

• 硬件选型
• 带你了解全球大模型
• 使用国产大模型服务
• 搭建 OpenAI 代理
• 热身：基于阿里云 PAI 部署 Stable Diffusion
• 在本地计算机运行大模型
• 大模型的私有化部署
• 基于 vLLM 部署大模型
• 案例：如何优雅地在阿里云私有部署开源大模型
• 部署一套开源 LLM 项目
• 内容安全
• 互联网信息服务算法备案
• …

学习是一个过程，只要学习就会有挑战。天道酬勤，你越努力，就会成为越优秀的自己。

如果你能在15天内完成所有的任务，那你堪称天才。然而，如果你能完成 60-70% 的内容，你就已经开始具备成为一名大模型 AI 的正确特征了。

这份完整版的大模型 AI 学习资料已经上传CSDN，朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】