零基础也能玩转AI工作流：腾讯混元+Flowise实战

工具简介

腾讯混元：腾讯大语言模型，中文能力强，有免费API额度。
Llama：Meta开源模型，我们用轻量版在本地运行。
Flowise：开源低代码工具，拖拽式搭建AI工作流。
目标：用Flowise串联Llama检索本地资料，混元生成中文回答。

环境准备

安装Flowise

npm install -g flowise
npx flowise start

访问http://localhost:3000。

获取混元API密钥

腾讯云开通混元服务，创建密钥，保存SecretId和SecretKey。

本地部署Llama

安装Ollama后运行：

ollama pull llama3.2:1b

小模型，普通CPU可运行。

核心概念

• 节点：功能模块（如LLM节点）
• 连线：数据流转路径
• 触发：用户提问启动流程

实战：智能资料助手

步骤

1. 创建“资料助手”工作流。
2. 添加文档加载器，指向本地笔记文件夹。
3. 拖入Ollama节点，选llama3.2:1b模型。
4. 接入混元ChatModel节点，配置：

{
  "baseURL": "https://hunyuan.tencentcloudapi.com",
  "headers": {
    "Authorization": "Bearer 你的SecretId",
    "X-TC-Action": "ChatCompletions"
  },
  "modelName": "hunyuan-lite"
}

5. 串联节点：输入→文档加载器→Ollama→混元→输出。前置提示词模板：“根据以下文档内容，提取关键信息：{context}”。
6. 测试提问，Llama扫描文档，混元整合回答。

避坑指南

1. 密钥安全：用环境变量存储，勿硬编码。
2. 模型下载：中断后重试ollama pull，支持断点续传。
3. 节点连线：输入灰色点，输出蓝色点，注意方向。

常见问题

Q：无独显能跑Llama吗？
A：能，1B版CPU可运行。
Q：混元收费吗？
A：有免费额度。
Q：工作流能分享吗？
A：导出JSON文件，或部署为公网服务。

进阶建议

• 替换模型（Qwen、DeepSeek）对比效果。
• 增加记忆节点，实现多轮对话。
• 部署至云端（Railway/Zeabur），作为项目经验。