第一代 LLM 构建工作室产品 — SaaS — FlowiseAI

本文由葡萄牙语原文自动翻译。阅读原文

一场发布首个 LLM 构建工作室的竞赛正全速进行

那些走出 ChatGPT 的喧嚣、深入研究语言模型技术与架构的人都知道：生产软件的方式已经在改变。目前这仍主要局限于开源社区 — 考虑到这项技术的性质，这或许本身就是趋势 — 像 LangChain 这样的项目，加上一批专注于 LLM 训练、存储、管理、测试与部署的库，正全速成长并催生无代码工具。正如我在关于 Embeddings 的文章中介绍的，LLM 像是参与自身再训练的智能体（因为它们采用非表格化的数据结构与无监督训练），其数据按语义组织。Pinecone 和 Chroma 作为向量存储方案崭露头角 — 相当于语言模型的数据库，或者说，是 AI 的长期再训练记忆。再配上 Render、Replit 这类无代码云服务，以及按需可用的 LLM 与 embedding（大部分由 OpenAI 主导），这一切汇入了我体验过的第一个带可视化界面的产品 — 我至今仍相当惊喜 — 它叫 FlowiseAI。如果说无代码/低代码已经被谈得很多，那这个方向现在才刚开始升温。

插图展示 Chroma 如何充当文档的向量（语义）存储，用于 LLM 的再训练。

我来逐项列举，讲得更清楚：

OpenAI 提供语言模型和 embedding，作为你训练模型的基座。LangChain 提供库，让你使用这些 LLM 并注入新知识，还能创建链式调用。Pinecone 和 Chroma 让你把训练成果存入向量库。Flowise 把这一切汇入一个可视化界面，你可以轻松把它「部署」到 Replit 或 Render（后者上月底刚敲定 B 轮融资）这样的无代码云上。创建自己的 AI 智能体正变得容易。

FlowiseAI 的可视化界面：用一个个小方块搭建并连接你的智能体，在同一窗口直接测试。可以接入外部数据、数据库、REST 服务等。最后还能轻松导出对话型或执行型（替你做事的）智能体的生成代码。

FlowiseAI 不多不少，正是我几个月来期待的东西：一个可视化界面的产品，让你抛开那些技术黑话，用小方块搭出一个用你的数据训练的聊天机器人或智能体，随时可嵌入你的应用 — 替你做事，或与你的数据对话。尽管如此，我仍认为产品人、架构师和开发者有必要理解向量库、Embeddings、提示词工程等概念，没有这些知识，你将无法驾驭这种构建软件的新方式。

回到 Flowise：它仍是个胚胎 — 本地运行还需要技术知识，要装各种库，部署到云上也需要技术功底。请留意：他们很快会推出自己的云。产品的可视化程度已经令人惊叹，而且两周前他们拿到了 YCombinator **的一轮投资 — 在硅谷创立、被硅谷投资，熟悉的故事，对吧？**它完全有潜力在短期内成为构建 AI/LLM 的「主渠道」— 毕竟 Azure 和 Google Cloud 还在缠斗。在我的测试中，我很惊讶：没想到把这些开源成果「产品化」的革命来得这么快。对了，开发团队除了正在变富，人也很友善 — 他们在 Twitter 上回复了我一个非常想要的功能。

这场革命让我得出几点洞察与押注：

1 - 大公司还需要几个月才能真正把 LLM 用于解决问题，因为它们不太拥抱开源文化；微软至今没有拿出任何易用的 LLM 构建产品。政府会走在前面：印度、日本、韩国将率先冒头，巴西同样潜力巨大。

2 - 那些继续做集成商、或只是把 OpenAI 服务塞进传统架构的聊天机器人公司，中期将失去市场。

3 - 就在本学期末，生产对话式软件（无 UI）来执行数据分析、理解、操纵等任务将变得越来越容易。喂，RPA 咨询行业，注意了！知识工作者们，是时候拓宽你们的能力边界了。

4 - 无代码/低代码云服务将成为中小企业的运作方式。大公司出于极限降险的考虑，长期内仍会保留一部分传统计算。

好吧，这些都是押注。这是我近几个月潜心研究的主题，我相信变革来自技术，而非文化转变。有时是技术让我们改变 — 看看社交网络给我们的社会带来了怎样的变化。而生成式 AI 的最大冲击将发生在商业上。而且会是好事：更高的生产力、更少的重复劳动、更多的创造、更多的利润。冲吧。 👾