Flowise

FlowiseAI adalah platform low-code untuk membangun aplikasi LLM secara visual. Gunakan node ChatCometAPI bawaan untuk menghubungkan CometAPI dan membangun chatbot, sistem tanya jawab, dan alur kerja agent.

Prasyarat

Akun CometAPI dengan API key yang aktif — dapatkan di sini
Akun FlowiseAI — masuk di sini

Dapatkan CometAPI API key Anda

Masuk ke konsol CometAPI. Klik Add API Key lalu salin key sk-xxxxx Anda.

Dashboard CometAPI yang menampilkan tombol Add API Key

Tambahkan node ChatCometAPI

Di kanvas chatflow FlowiseAI Anda, klik Add New.

Cari cometapi lalu pilih node ChatCometAPI.

Pencarian node yang menampilkan hasil ChatCometAPI

Seret node tersebut ke kanvas.

Pada dropdown Connect Credential milik node, pilih Create New, masukkan key sk-xxxxx Anda, lalu simpan.

Dialog kredensial dengan API key yang sudah dimasukkan

Secara opsional, atur Model Name ke ID model saat ini yang ingin Anda gunakan dan Temperature (misalnya 0.7).

Bangun LLM Chain

Tambahkan node Prompt Template (cari “Prompt”) dan konfigurasi template, misalnya:
```
Question: {question}
Answer: Let's think step by step.
```

Node Prompt Template dengan template contoh

Node Prompt Template ditempatkan di kanvas

Tambahkan node LLM Chain (cari “Chain”). Hubungkan:
- Input Language Model ← node ChatCometAPI
- Input Prompt ← node Prompt Template
Beri nama chain, misalnya Universal Chat Assistant.

Node LLM Chain dengan Language Model dan Prompt yang terhubung

Chatflow lengkap dengan ketiga node yang terhubung

Hubungkan node dan simpan

Pastikan chain membentuk alur lengkap: Input → Prompt Template → LLM Chain → Output. Klik Save Chatflow.

Kanvas chatflow lengkap dengan semua koneksi terlihat

Pemecahan masalah

Tidak dapat menemukan node “cometapi” — pastikan versi FlowiseAI Anda mendukung integrasi ini. Periksa pembaruan atau plugin yang relevan.
Konfigurasi kredensial gagal — verifikasi bahwa API key benar dan belum kedaluwarsa. Salin ulang dari konsol CometAPI.
Error koneksi node — pastikan garis koneksi mengarah ke input yang benar (Language Model dan Prompt). Jika kualitas respons kurang baik, sesuaikan Prompt Template atau turunkan nilai Temperature.