Werk:AI mit Arnie/Warum Flowise?
| ◀ | Kurs AI mit Arnie (KI Revolution) LLMs meistern |
| 9WARUM~1 (7:31) | |
| Warum Flowise? | |
| ▲ | Autogen, Langchain, Langflow, CrewAI...?? |
| ▶ | Warum Flowise? |
| ▼ | Möglichkeiten, Flowise zu betreiben |
Lasst uns mit dem Entwickeln von Apps starten, und wir werden hier für Open-Source-Tools verwenden, die auf einem richtig, richtig guten Framework aufbauen. Ich gebe dir jetzt erstmal einen Überblick; danach werden wir uns natürlich ansehen, wie wir Flowwise verwenden. Ich will mit Flowwise starten, denn bei Flowwise gibt es ganz, ganz, ganz viele Missinformationen. Flowwise kann man auf drei Wege starten, und die allermeisten verstehen nicht, wie diese drei Wege richtig funktionieren.
Also, wir starten erst mal hier. Das da ist LangChain. Warum komme ich jetzt mit LangChain daher? LangChain ist der generelle Framework, auf dem dieses Tool aufbaut. Das heißt, wir arbeiten in Flowwise drinnen mit LangChain, so oder so. Ähnlich kannst du dir das vorstellen: LangChain hat ganz, ganz viele gute Bewertungen – also 86.300 Bewertungen mit fünf Sterne auf GitHub, insgesamt. LangChain ist eigentlich auch ein Flow, mit dem man arbeiten kann, und LangChain arbeitet in Python. Generell ist LangChain für Programmierer gedacht, die Python verwenden.
Jetzt scrollen wir runter, dann sehen wir uns an, was man mit LangChain alles machen kann. Du kannst einen Chatbot machen, der RAG enthält. Du kannst Dinge natürlich extrahieren von deinen Texten, und du kannst komplette Chatbots machen. Wir haben in VectorShift all das schon gemacht. Was ist hier der Unterschied zu VectorShift? VectorShift ist eine öffentliche Application, das heißt, hierfür musst du bezahlen. Aber du kannst alles in VectorShift machen, das du auch in LangChain machen kannst. Auch VectorShift baut auf LangChain auf. Das ist der Vorteil von VectorShift, und der Nachteil ist eben, dass es kostenpflichtig ist.
Bei LangChain kannst du in Python arbeiten, und du kannst all die Dinge machen, die wir auch im VectorShift gemacht haben. Das heißt, du kannst auch eine solche Stand-Alone-App bauen, wie wir eigentlich auch schon gemacht haben. Wir haben auch eine solche Search-Bar gemacht, sogar noch etwas hübscher, tatsächlich, auf der linken Seite mit einem solchen ChatGPT-Interface. Das alles war in VectorShift möglich. Also, mit LangChain kannst du eigentlich die gleichen Dinge machen wie mit VectorShift, aber du machst all das in Python.
Jetzt habe ich schon gesagt, dass es nicht perfekt ist, die Dinge in Python zu machen. Und du siehst auch, dass man auch einen KI-Agenten erstellen kann mit LangChain. Jetzt muss ich dir sagen, dass LangChain noch weitere Features hat. Mit LangChain kannst du auch KI-Agenten bauen. KI-Agenten erlauben es, einfach verschiedene LLMs zusammenzuschließen, die alle Aktionen ausführen, eigentlich ähnlich wie wir es schon gesehen haben im VectorShift. Da haben wir uns aber noch nicht alles angesehen.
Jetzt muss man sagen, dass LangChain viele, viele verschiedene Extensions hat, wie man auch solche KI-Agenten bauen kann, zum Beispiel LangGraph. Ja, ich weiß, das hört sich alles etwas komplex an. Und bei LangGraph – das können wir uns ja auch mal öffnen – auch da gibt es ein GitHub-Repo. LangGraph funktioniert ähnlich wie LangChain. Man muss einfach nur die Extension installieren, und zwar alles in Python. Man muss wirklich ein klein wenig Code verstehen, um die Dinge laufen zu lassen. Und wenn man sich hiermit tiefer beschäftigen will: Auch LangChain bietet Tutorials an. Das heißt, die zeigen hier einige Dinge, wie man sie verwendet.
Ich muss gestehen, die LangChain-Welt ist riesen-, riesengroß. Aber ich habe eine richtig, richtig gute Nachricht für dich: Wir müssen nicht unbedingt all das in Python erstellen. Ein paar Kleinigkeiten können wir sehr wohl in Python machen. Wir können auch einige Kleinigkeiten in Node machen. Aber ich muss sagen, wir müssen nicht diesen gesamten Flows lernen. Wir müssen LangChain in Python laufen lassen, LangGraph in Python laufen lassen, als Extension von LangChain. Denn wir haben die Möglichkeiten, solche Tools zu verwenden. Wir können LangFlow verwenden. Und was ist LangFlow? LangFlow ist im Groben LangChain kombiniert mit LangGraph. Also, wir bekommen alles, aber eben mit solchen coolen Drag-and-Drop-Interfaces. Das heißt, wir können genau in einem solchen Interface arbeiten, wie wir es im VectorShift gemacht haben – und zwar vollkommen gratis, lokal auf dem Computer. Und wir können all die Dinge erstellen, von denen wir träumen.
Jetzt muss ich hier dazu sagen: LangFlow ist eine App. Die LangFlow-App, die läuft in Python. Das kann man gerne machen. Das ist ganz, ganz einfach, um die Dinge zu starten. Man muss nur diese Codezeilen kopieren, tatsächlich, um die Dinge laufen zu lassen. Ich will dir aber noch was sagen: Es gibt ein weiteres Tool neben LangFlow. Es gibt das Tool Flowwise. Und Flowwise ist meiner Meinung nach eines der besten Tools, um auf der LangChain-Kette zu arbeiten. Warum ziehe ich Flowwise all den anderen Tools vor?
Wir haben die Möglichkeit, im Flowwise drinnen zu arbeiten, und wir verwenden generell die Dinge von LangChain, aber ohne Python. Wir können auch die Dinge von LangGraph verwenden, aber ohne Python. Wir können solche Dinge machen: Chatbots machen, alles entwickeln, was man in komplexen Umgebungen auch entwickeln kann. Wir brauchen uns all diese Tutorials nicht anzusehen. Wir können eigentlich auch alle Dinge machen, die in LangFlow laufen, und all das ist sehr einfach. Die Umgebung, die wir hier bei Flowwise verwenden, ist Node.js, oder wir können es auch in der Cloud laufen lassen. Alle Dinge sehen wir uns natürlich detaillierter an.
Wir können sogar Tools wie AutoGen in Flowwise drinnen laufen lassen, ohne enorm viel Python zu verstehen. Das ist wirklich ein enormer Vorteil. In diesem Video haben wir gelernt, warum wir welches Tool verwenden. Wir verwenden erstmal Flowwise. Flowwise bringt die coolsten Dinge zusammen. Flowwise baut auf LangChain auf, kann die gleichen Dinge wie LangFlow. Das heißt, wir können auch KI-Agenten machen, wir brauchen keine komplexen Umgebungen, verwenden genauso wie bei LangFlow. Wir bekommen auch bei Flowwise dieses Drag-and-Drop-Interface, und wir können nicht nur die LangChain-Technologie verwenden, sondern zusätzlich noch AutoGen und all die coolen Dinge.
Das heißt, Flowwise bringt alles zusammen – eines der besten und einfachsten Interfaces. Wir können alles erstellen: KI-Agenten mit LangChain, LangGraph, zusätzlich noch AutoGen und all die coolen Tools. Und das Ding ist gratis. Es ist so wie VectorShift, allerdings gratis, mit mehr Funktionen. Und man kann es lokal und auf einem Webserver laufen lassen.
Lange Rede, kurzer Sinn: In Flowwise können wir so gut wie alles machen, und es ist eines der einfachsten Tools. Ja, wir könnten auch LangFlow verwenden, in Python. Aber bei LangFlow fehlen uns Dinge wie AutoGen. Deshalb ist Flowwise das eine Tool, das so gut wie alles kann: KI-Agenten, LangChain, LangFlow, Lang-weiß-ich-nicht-was-alles.
Im nächsten Video sehen wir uns an, wie wir das Ding laufen lassen können.