> ## Documentation Index
> Fetch the complete documentation index at: https://apidoc.cometapi.com/llms.txt
> Use this file to discover all available pages before exploring further.
# Hubungkan Flowise ke CometAPI
> Gunakan panduan ini untuk menghubungkan Flowise ke CometAPI dengan mengatur base URL, API key, dan opsi model atau provider.
FlowiseAI adalah platform low-code untuk membangun aplikasi LLM secara visual. Gunakan node **ChatCometAPI** bawaan untuk menghubungkan CometAPI ke chatflow, sistem tanya jawab, dan workflow RAG yang memanggil model chat teks.
Panduan ini mencakup workflow chat teks dan RAG. Panduan ini tidak mencakup workflow pembuatan gambar.
## Prasyarat
* Akun CometAPI dengan API key yang aktif - [dapatkan di sini](https://www.cometapi.com/console/token)
* Akun FlowiseAI atau instance Flowise yang di-host sendiri - [masuk ke Flowise Cloud](https://cloud.flowiseai.com/chatflows)
* model ID teks terkini dari [halaman Models CometAPI](/id/overview/models)
* Untuk RAG, sumber dokumen serta provider embeddings dan vector store yang didukung oleh Flowise
## Konfigurasikan ChatCometAPI
Masuk ke [konsol CometAPI](https://www.cometapi.com/console/token). Klik **Add API Key** lalu salin CometAPI API key Anda.
1. Di kanvas chatflow FlowiseAI Anda, klik **Add New**.
2. Cari **cometapi** lalu pilih node **ChatCometAPI**.
3. Seret node tersebut ke kanvas.
Di node ChatCometAPI, buka **Connect Credential**, pilih **Create New**, tempel CometAPI API key Anda, lalu simpan credential tersebut.
Buka **Additional Parameters** pada node ChatCometAPI.
Jika build Flowise Anda menampilkan field **Base Path**, atur menjadi:
```text theme={null}
https://api.cometapi.com/v1/
```
Jika yang ditampilkan adalah **Base Options**, tambahkan entri `basePath`:
```json theme={null}
{
"basePath": "https://api.cometapi.com/v1/"
}
```
Atur **Model Name** ke model ID teks yang persis ingin Anda panggil, misalnya `your-model-id`, dan sesuaikan **Temperature** hanya jika workflow Anda memerlukan variasi yang lebih tinggi atau lebih rendah.
## Membuat chatflow dasar
Tambahkan node **Prompt Template** dan tentukan prompt yang akan dikirim chatflow Anda ke model.
```text theme={null}
Question: {question}
Answer clearly and concisely.
```
Tambahkan node **LLM Chain**. Hubungkan node **ChatCometAPI** ke input **Language Model** milik chain, lalu hubungkan node **Prompt Template** ke input **Prompt** milik chain.
Simpan chatflow, buka pratinjau chat, lalu kirim pertanyaan uji singkat. Konfigurasi yang sehat akan mengembalikan jawaban teks normal dari model CometAPI yang dipilih.
## Ganti model ID
Untuk mengganti model, gunakan credential CometAPI dan base path yang sama, lalu ubah hanya field model ID ChatCometAPI.
Gunakan model ID yang persis sama dari [halaman CometAPI Models](/id/overview/models). Hindari menyalin nama tampilan, nama provider, atau spasi tambahan.
| Kasus penggunaan | Nilai model ID |
| ------------------------ | ------------------------- |
| Keluarga model chat umum | `your-chat-model-id` |
| Keluarga model reasoning | `your-reasoning-model-id` |
| Keluarga model coding | `your-coding-model-id` |
Setelah mengubah model ID, simpan chatflow lalu jalankan prompt uji singkat. Jika Anda memelihara beberapa flow produksi, duplikasi chatflow terlebih dahulu dan beri nama setiap salinan yang mencerminkan keluarga modelnya.
## Konfigurasikan retrieval-augmented generation
Flowise RAG memiliki dua bagian: pertama siapkan dan upsert dokumen di **Document Stores**, lalu hubungkan retriever yang sudah disiapkan ke chatflow. ChatCometAPI adalah model chat yang menulis jawaban akhir; Document Store tetap memerlukan embeddings provider dan vector store yang didukung Flowise.
Di Flowise, buka **Document Stores** dan buat store baru. Tambahkan document loader, seperti **File Loader**, **PDF Loader**, **Web Scraper**, atau loader lain yang sesuai dengan sumber Anda. Tambahkan text splitter ketika dokumen cukup panjang sehingga perlu dipecah menjadi chunk, lalu klik **Process** untuk melihat pratinjau chunk yang dihasilkan.
Klik **Upsert** atau **Upsert All Chunks**. Pilih:
* **Embeddings**: node embeddings Flowise yang kompatibel dengan data dan vector store Anda.
* **Vector Store**: database vektor tempat Flowise harus menyimpan document embeddings.
* **Record Manager**: opsional. Gunakan ini ketika Anda ingin upsert berulang menghindari record duplikat.
Pastikan dimensi model embedding selaras dengan dimensi indeks vector store. Setelah upsert selesai, gunakan pengujian retrieval query milik Document Store untuk memastikan chunk yang relevan dikembalikan sebelum membangun chatflow.
Di chatflow, tambahkan node **Document Store (Vector)** atau **Document Store Retriever** dan pilih Document Store yang sudah diproses. Atur **Top K** ke jumlah chunk yang ingin diambil Flowise untuk setiap pertanyaan.
Tambahkan **Conversational Retrieval QA Chain** dan hubungkan:
* Input **Language Model** dari **ChatCometAPI**.
* Input **Vector Store Retriever** dari retriever Document Store.
* **Memory** hanya jika chatflow Anda memerlukan riwayat percakapan.
Aktifkan **Return Source Documents** ketika Anda ingin jawaban menyertakan sitasi atau chunk sumber yang diambil. Simpan flow dan ajukan pertanyaan yang jawabannya hanya ada di dokumen yang diunggah.
## Pemecahan masalah
Pastikan versi Flowise Anda menyertakan integrasi model chat **ChatCometAPI**. Pada deployment Flowise yang lebih lama atau telah dikustomisasi, perbarui Flowise atau periksa apakah integrasi tersebut telah dinonaktifkan oleh administrator.
Atur base path CometAPI ke `https://api.cometapi.com/v1/`. Pada beberapa build Flowise ini berupa field **Base Path**. Pada build lainnya, tambahkan `basePath` di dalam **Base Options**.
Jangan gunakan `https://api.cometapi.com` untuk chatflow ChatCometAPI, karena node chat memanggil route `/chat/completions` yang kompatibel dengan OpenAI di bawah `/v1`.
Salin ulang key dari [console CometAPI](https://www.cometapi.com/console/token), buat credential Flowise yang baru, dan pastikan chatflow menggunakan credential tersebut. Jika key yang sama berfungsi dalam pemanggilan API langsung tetapi gagal di Flowise, periksa bahwa Flowise tidak masih menggunakan credential lama yang terpasang pada node.
Ganti nilai model ID di node ChatCometAPI dengan model ID teks saat ini yang persis dari [halaman Models CometAPI](/id/overview/models). Nilainya tidak boleh menyertakan tanda kutip, prefiks provider, label tampilan, atau spasi di akhir.
ChatCometAPI adalah node model chat untuk workflow teks. Gunakan untuk chat, chain, agent, dan pembuatan jawaban RAG. Jangan gunakan pengaturan Flowise ini untuk node pembuatan gambar atau workflow khusus gambar.
Pertama, uji query pengambilan Document Store sebelum menguji chatflow lengkap. Jika pengambilannya lemah, sesuaikan text splitter, ukuran chunk, overlap chunk, filter metadata, dan **Top K**. Jika sitasi tidak ada, aktifkan **Return Source Documents** pada **Conversational Retrieval QA Chain**.
Periksa bahwa provider embedding, vector store, dan dimensi vector cocok. Vector store Flowise Cloud sering memerlukan URL layanan dan credential-nya sendiri yang dapat dijangkau; URL vector store lokal saja seperti `localhost` tidak akan dapat dijangkau dari Flowise Cloud. Record Manager bersifat opsional, tetapi jika Anda mengaktifkannya, konfigurasikan koneksi databasenya secara terpisah.
Turunkan **Top K** untuk retrieval, kurangi ukuran prompt, gunakan chunk yang lebih kecil, atau pilih model ID yang lebih cepat untuk node ChatCometAPI. Untuk rate limit, tunggu lalu coba lagi dengan concurrency yang lebih rendah, kemudian periksa penggunaan akun dan limit di console CometAPI.