Flowise: ИИ-агенты без кода через RouterAI (Claude, GPT, DeepSeek)

Flowise — open-source конструктор LLM-приложений и агентов: узлы перетаскиваются мышью на полотно, соединяются в цепочку, и на выходе получается чат-бот, RAG-поиск по документам или агент с инструментами. Внутри — LangChain, поэтому набор узлов совпадает с тем, что программисты пишут кодом. Через RouterAI Flowise получает доступ к Claude, GPT, DeepSeek, GLM и ещё нескольким сотням моделей одним ключом, с оплатой в рублях и без VPN.

Сразу важное: в августе 2026 года проект закрыли. Разработку остановили 29 июля 2026, репозиторий перевели в архив 13 августа, официальная поддержка завершилась 31 августа. Код остался под лицензией Apache 2.0, его можно форкнуть; по объявлению разработчиков, npm-пакет и docker-образы получают статус deprecated (The Future of Flowise). Ниже — как поднять последнюю версию (3.1.4), подключить к ней RouterAI и что делать дальше. Для новых проектов учитывайте этот риск.

Что такое Flowise

Flowise — визуальная надстройка над LangChain. Вместо кода вы собираете схему из блоков:

• Chat Model — сама модель (в нашем случае любая из RouterAI);
• Memory — память диалога, например Buffer Memory с Session Id;
• Vector Store и Embeddings — база знаний для RAG;
• Tools — инструменты агента: калькулятор, HTTP-запрос, поиск;
• Chains — готовые цепочки вроде Conversational Retrieval QA Chain.

Каждая схема — это chatflow (пункт Chatflows в левом меню) или agentflow (Agentflows). Chatflow идёт по заранее заданному маршруту, agentflow даёт модели самой выбирать инструменты. Готовый чатфлоу отдаётся наружу через Prediction API или встраивается на сайт виджетом. У репозитория около 55,5 тыс. звёзд на GitHub.

Требования

• Node.js 20 и выше (или 18.15+), если ставите через npm;
• Docker — если предпочитаете контейнер;
• аккаунт RouterAI и API-ключ;
• свободный порт 3000.

Установка

Через npm

npm install -g flowise
npx flowise start

Flowise поднимется на http://localhost:3000. При первом запуске появится форма Setup Account: имя администратора, email, пароль (не короче 8 символов, со строчной и заглавной буквой, цифрой и спецсимволом) и подтверждение пароля. Сессии работают на JWT в cookie (документация Auth).

Через Docker

Официальный образ — flowiseai/flowise. Последняя опубликованная версия — 3.1.4 (июль 2026):

docker run -d --name flowise -p 3000:3000 -e EXPIRE_AUTH_TOKENS_ON_RESTART=true flowiseai/flowise:3.1.4

Переменная EXPIRE_AUTH_TOKENS_ON_RESTART=true нужна из-за ошибки в 3.1.4: без неё контейнер при старте падает с TypeError: this.db.exec is not a function в хранилище сессий SQLite (connect-sqlite3). Побочный эффект — после перезапуска Flowise придётся входить заново. Проверено запуском образа flowiseai/flowise:3.1.4; исходный код выбора хранилища — dist/enterprise/middleware/passport/index.js внутри образа.

Для постоянной работы лучше поднять Flowise через docker compose из папки docker репозитория — как это сделать, описано в разделе Get Started документации.

Подключение к RouterAI

1. Получите ключ RouterAI

Зарегистрируйтесь на routerai.ru, пополните баланс и создайте ключ в разделе «Ключи API». Ключ показывается один раз — сохраните его.

2. Создайте credential

В левом меню откройте Credentials → кнопка Add Credential. В окне Add New Credential наберите в поиске OpenAI и выберите OpenAI API.

У credential типа OpenAI API два поля: Credential Name (любое имя, например RouterAI) и OpenAI Api Key. Вставьте ключ RouterAI и нажмите Add. Адрес API в credential не задаётся — это важное отличие от n8n, где Base URL вводится именно в credential.

3. Добавьте узел OpenAI Custom Model

В узле Chat Models → OpenAI поле Model Name — это выпадающий список с фиксированным набором моделей OpenAI, ввести в него id из RouterAI нельзя. Поэтому берите узел Chat Models → OpenAI Custom Model: он использует тот же credential OpenAI API, но Model Name в нём — обычная строка.

Перетащите узел на полотно и заполните:

• Connect Credential — созданный на предыдущем шаге credential;
• Model Name — id модели из каталога RouterAI, например anthropic/claude-sonnet-5.5;
• Base Path (блок Additional Parameters) — адрес API:

https://routerai.ru/api/v1

Именно с /v1 и без завершающего слэша — иначе получите 404.

Claude, GPT, DeepSeek и GLM — одним узлом

RouterAI принимает запросы в формате OpenAI на /api/v1/chat/completions. Мы проверили этот эндпоинт на anthropic/claude-sonnet-5.5, openai/gpt-6-sol, deepseek/deepseek-v4-flash и z-ai/glm-5.3 — все ответили. Поэтому одним узлом OpenAI Custom Model подключаются и Claude, и GPT, и DeepSeek, и GLM: меняется только Model Name.

Родной узел Chat Models → Anthropic (Messages API) для RouterAI не подходит: в Flowise 3.1.4 у него и у credential Anthropic API нет поля для адреса API (только Anthropic Api Key), а Base URL https://routerai.ru/api без /v1 задать негде.

Выбор модели

Все id ниже проверены по каталогу RouterAI; цены и актуальный список — на странице «Модели и цены».

Для embeddings в каталоге есть openai/text-embedding-3-small (вектор из 1536 чисел) и google/gemini-embedding-2 (3072) — обе проверены запросом к OpenAI-совместимому эндпоинту /api/v1/embeddings. В каталоге есть и google/gemini-embedding-2-preview, но мы её запросом не проверяли.

Первый чатфлоу

Соберите минимальную схему из трёх узлов:

1. Chat Models → OpenAI Custom Model — credential RouterAI, Base Path https://routerai.ru/api/v1, Model Name deepseek/deepseek-v4-flash.
2. Memory → Buffer Memory — параметры Session Id и Memory Key.
3. Chains → Conversation Chain — к его входам Chat Model и Memory подключаются два предыдущих узла.

Соединяйте узлы за кружки-разъёмы: выход ChatOpenAI-Custom — со входом Chat Model, выход BufferMemory — со входом Memory. Сохраните chatflow, откройте чат кнопкой в правом верхнем углу полотна и напишите сообщение. Ответ придёт от модели RouterAI.

Второй сценарий: RAG по PDF

Схема для ответов по документу:

1. Document Loaders → Pdf File — принимает загруженный файл, есть поле Text Splitter для нарезки на чанки.
2. Embeddings → OpenAI Custom Embedding — тот же credential RouterAI, Base Path https://routerai.ru/api/v1, Model Name — openai/text-embedding-3-small. Обычный узел OpenAI Embedding берёт модель из фиксированного списка, поэтому id RouterAI в него не вписать.
3. Vector Stores → In-Memory Vector Store — на вход Document идут чанки, на вход Embeddings — модель эмбеддингов. Для постоянного хранения есть Chroma, Qdrant, Postgres, Pinecone и другие.
4. Chains → Conversational Retrieval QA Chain — на вход Chat Model идёт узел OpenAI Custom Model, на Vector Store Retriever — выход Memory Retriever векторного стора, на Memory — Buffer Memory.

Включите у цепочки параметр Return Source Documents — тогда в ответе будут фрагменты, на которых основан текст, то есть цитаты. In-Memory Vector Store живёт в памяти процесса: после перезапуска Flowise документ придётся загрузить заново.

📷 [Скриншот: полотно RAG-чатфлоу во Flowise — цепочка Pdf File → In-Memory Vector Store ← OpenAI Custom Embedding и Conversational Retrieval QA Chain с подключёнными Chat Model и Memory, справа открыта панель чата с ответом и блоком source documents]

Публикация: API и виджет

Каждый chatflow получает адрес вида:

POST http://localhost:3000/api/v1/prediction/<chatflow-id>

Тело запроса:

{
  "question": "Сколько стоит доставка?",
  "streaming": false
}

Защита эндпоинта настраивается ключами из раздела API Keys в левом меню — подробности в документации Prediction. Это не ключ RouterAI: наружу отдаётся Flowise, а RouterAI вызывается изнутри вашего инстанса.

Чтобы поставить чат на сайт, используйте виджет: Flowise выдаёт скрипт, который вставляют между тегами <body> и </body> страницы (документация Embed).

Проверка подключения

Проще всего — отправить один запрос к RouterAI напрямую, чтобы отделить проблему ключа от проблемы узла:

curl https://routerai.ru/api/v1/chat/completions \
  -H "Authorization: Bearer sk-xxxxxxxxxxxxxxxx" \
  -H "Content-Type: application/json" \
  -d '{"model":"deepseek/deepseek-v4-flash","messages":[{"role":"user","content":"привет"}]}'

Если ответ пришёл, а во Flowise — нет, смотрите Base Path и credential в узле. Если ошибка и здесь, проверьте баланс и сам ключ.

Решение проблем

404 Not Found. Base Path указан без /v1 (https://routerai.ru/api) или с лишним хвостом. Правильно: https://routerai.ru/api/v1.

401 Unauthorized. В узле не выбран credential, ключ вставлен неверно или отозван. Проверьте блок Connect Credential и сам ключ запросом curl из раздела выше.

Запрос уходит на OpenAI, а не в RouterAI. Не заполнен Base Path: по умолчанию узлы обращаются к адресу OpenAI, и ключ RouterAI там не принимается. Поле нужно заполнить в каждом узле: и в модели, и в embeddings.

Нет нужной модели в списке Model Name. Вы используете узел OpenAI или OpenAI Embedding с фиксированным списком. Замените их на OpenAI Custom Model и OpenAI Custom Embedding — в них Model Name вводится вручную.

Модель не найдена (model not found). Опечатка в id или модель убрана из каталога. Сверьтесь со страницей моделей.

Ответ обрывается. Поднимите Max Tokens в Additional Parameters узла модели.

Что дальше

• Каталог моделей RouterAI — актуальные id, контекст и цены.
• Документация RouterAI — параметры запросов, аутентификация, работа с PDF и изображениями.
• Похожие гайды: n8n: нода AI Agent через RouterAI, Open WebUI через RouterAI.

Если проект нужен надолго, учитывайте архивацию Flowise: разработчики остановили работу над ним. Варианты — форкнуть репозиторий и поддерживать его самостоятельно либо собрать агента в поддерживаемом инструменте, например в n8n (см. гайд выше).