Skip to main content
FlowiseAI is een low-code platform om LLM-applicaties visueel te bouwen. Gebruik de native ChatCometAPI-node om CometAPI te verbinden met chatflows, vraag-en-antwoordsystemen en RAG-workflows die tekstchatmodellen aanroepen.
Deze handleiding behandelt tekstchat- en RAG-workflows. Workflows voor het genereren van afbeeldingen worden niet behandeld.

​
Vereisten

​
Configureer ChatCometAPI

1

Haal je CometAPI API-sleutel op

Log in op de CometAPI-console. Klik op Add API Key en kopieer je CometAPI API-sleutel.
CometAPI-dashboard met de knop Add API Key
Details van de CometAPI API-sleutel met base URL
2

Voeg de ChatCometAPI-node toe

  1. Klik in het chatflow-canvas van je FlowiseAI op Add New.
FlowiseAI-canvas met de knop Add New
  1. Zoek naar cometapi en selecteer de ChatCometAPI-node.
Zoekresultaat voor nodes met ChatCometAPI
  1. Sleep deze naar het canvas.
ChatCometAPI-node geplaatst op het canvas
3

Maak de CometAPI-referentie aan

Open in de ChatCometAPI-node Connect Credential, selecteer Create New, plak je CometAPI API-sleutel en sla de referentie op.
Dialoogvenster voor referentie met ingevoerde API-sleutel
4

Stel het CometAPI-basispad in

Vouw Additional Parameters uit op de ChatCometAPI-node.Als je Flowise-build een veld Base Path toont, stel dit dan in op:
Als in plaats daarvan Base Options beschikbaar is, voeg dan een item basePath toe:
Stel Model Name in op de exacte tekst model ID die je wilt aanroepen, bijvoorbeeld your-model-id, en pas Temperature alleen aan als je workflow meer of minder variatie nodig heeft.

​
Een eenvoudige chatflow maken

1

Een Prompt Template toevoegen

Voeg een Prompt Template-node toe en definieer de prompt die je chatflow naar het model zal sturen.
Prompt Template-node met het voorbeeldtemplate
Prompt Template-node geplaatst op het canvas
2

Een LLM Chain toevoegen

Voeg een LLM Chain-node toe. Verbind de ChatCometAPI-node met de Language Model-input van de chain en verbind vervolgens de Prompt Template-node met de Prompt-input van de chain.
LLM Chain-node met Language Model en Prompt verbonden
3

De flow opslaan en testen

Sla de chatflow op, open de chatpreview en verstuur een korte testvraag. Een correct ingestelde configuratie geeft een normaal tekstantwoord terug van het geselecteerde CometAPI-model.
Volledige chatflow met alle drie de nodes verbonden

​
Van model ID wisselen

Om van model te wisselen, behoud je dezelfde CometAPI-credential en hetzelfde base path en wijzig je vervolgens alleen het veld voor de ChatCometAPI model ID. Gebruik exacte model IDs van de CometAPI Models-pagina. Vermijd het kopiëren van weergavenamen, providernamen of extra spaties. Na het wijzigen van de model ID sla je de chatflow op en voer je een korte testprompt uit. Als je meerdere productieflows onderhoudt, dupliceer dan eerst de chatflow en geef elke kopie een naam die de modelfamilie weerspiegelt.

​
Retrieval-augmented generation configureren

Flowise RAG bestaat uit twee delen: bereid eerst documenten voor en upsert ze in Document Stores, en verbind daarna de voorbereide retriever met een chatflow. ChatCometAPI is het chatmodel dat het uiteindelijke antwoord schrijft; de Document Store heeft nog steeds een door Flowise ondersteunde embeddings-provider en vector store nodig.
1

Een Document Store maken en verwerken

Open in Flowise Document Stores en maak een nieuwe store. Voeg een document loader toe, zoals File Loader, PDF Loader, Web Scraper, of een andere loader die bij je bron past. Voeg een text splitter toe wanneer het document lang genoeg is om chunking nodig te hebben, en klik daarna op Process om een voorbeeld van de gegenereerde chunks te bekijken.
2

Embeddings en vectoropslag configureren

Klik op Upsert of Upsert All Chunks. Selecteer:
  • Embeddings: een Flowise embeddings-node die compatibel is met je data en vector store.
  • Vector Store: de vectordatabase waarin Flowise document embeddings moet opslaan.
  • Record Manager: optioneel. Gebruik deze wanneer je wilt dat herhaalde upserts dubbele records vermijden.
Zorg dat de dimensie van het embedding-model overeenkomt met de indexdimensie van de vector store. Nadat de upsert is voltooid, gebruik je de retrieval query-test van de Document Store om te bevestigen dat relevante chunks worden teruggegeven voordat je de chatflow bouwt.
3

De retrieval-chatflow maken

Voeg in een chatflow een Document Store (Vector)- of Document Store Retriever-node toe en selecteer de verwerkte Document Store. Stel Top K in op het aantal chunks dat je wilt dat Flowise voor elke vraag ophaalt.
4

Conversational Retrieval QA Chain verbinden

Voeg Conversational Retrieval QA Chain toe en verbind:
  • Language Model-input vanuit ChatCometAPI.
  • Vector Store Retriever-input vanuit de Document Store retriever.
  • Memory alleen als je chatflow gespreksgeschiedenis nodig heeft.
Schakel Return Source Documents in wanneer je wilt dat het antwoord citaties of opgehaalde bronchunks bevat. Sla de flow op en stel een vraag waarvan het antwoord alleen in het geüploade document voorkomt.

​
Probleemoplossing

Controleer of jouw Flowise-versie de ChatCometAPI chatmodelintegratie bevat. Werk in oudere of aangepaste Flowise-implementaties Flowise bij of controleer of de integratie door de beheerder is uitgeschakeld.
Stel het CometAPI-base path in op https://api.cometapi.com/v1/. In sommige Flowise-builds is dit een veld Base Path. In andere voeg je basePath toe binnen Base Options.Gebruik geen https://api.cometapi.com voor de ChatCometAPI-chatflow, omdat de chatnode OpenAI-compatibele /chat/completions-routes onder /v1 aanroept.
Kopieer de sleutel opnieuw uit de CometAPI-console, maak een nieuwe Flowise-credential aan en zorg ervoor dat de chatflow die credential gebruikt. Als dezelfde sleutel werkt in rechtstreekse API-calls maar niet in Flowise, controleer dan of Flowise niet nog een oudere credential gebruikt die aan de node is gekoppeld.
Vervang de waarde van de model ID in de ChatCometAPI-node door een exacte actuele tekst-model ID van de CometAPI Models-pagina. De waarde mag geen aanhalingstekens, providerprefix, weergavelabel of afsluitende spaties bevatten.
ChatCometAPI is een chatmodel-node voor tekstworkflows. Gebruik deze voor chat, chains, agents en RAG-antwoordgeneratie. Gebruik deze Flowise-configuratie niet voor afbeeldingsgeneratienodes of workflows die alleen voor afbeeldingen zijn.
Test eerst de retrieval-query van de Document Store voordat je de volledige chatflow test. Als de retrieval zwak is, stem dan de text splitter, chunk size, chunk overlap, metadatafilters en Top K af. Als citaties ontbreken, schakel dan Return Source Documents in op Conversational Retrieval QA Chain.
Controleer of de embedding-provider, vector store en vectordimensies overeenkomen. Vector stores van Flowise Cloud vereisen vaak hun eigen bereikbare service-URL en credentials; een URL van een alleen-lokale vector store zoals localhost is niet bereikbaar vanuit Flowise Cloud. Record Manager is optioneel, maar als je deze inschakelt, configureer dan de databaseverbinding afzonderlijk.
Verlaag retrieval Top K, verminder de promptgrootte, gebruik kleinere chunks of kies een snellere model ID voor de ChatCometAPI-node. Wacht bij rate limits en probeer het opnieuw met lagere concurrency, en controleer daarna accountgebruik en limieten in de CometAPI-console.