flowise拖拽接入deepseek核心路径有二：首选openai兼容api（如vllm），自动处理tokenizer与chat template；次选chatollama节点（适配ollama轻量部署），注意模型名称、端口及embedding需单独配置bge-m3等。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Flowise里拖拽接入DeepSeek，核心就两条路：走OpenAI兼容API（推荐），或直接用ChatOllama节点（适合本地轻量部署）。别试“自定义HTTP LLM”——它不处理DeepSeek特有的chat template，容易返回空响应或格式错乱。
用vLLM启动DeepSeek并配OpenAI节点
这是最稳、性能最好、也最接近生产环境的做法。vLLM自动处理DeepSeek-V2的tokenizer和chat template，Flowise只需当它是标准OpenAI服务用。
- vLLM启动命令必须带
--model deepseek-ai/deepseek-v2，不能简写为deepseek-v2，否则加载失败报ValueError: Cannot find model config - Base URL填
http://localhost:8000/v1，末尾/v1不能漏，Flowise会拼出/chat/completions，缺了就404 - Model Name字段填
deepseek-v2（这个是Flowise内部识别名，和vLLM启动时的模型ID可以不同，但建议保持一致） - API Key留空——vLLM默认无认证，如果误填了任意字符串，Flowise会发
Authorization: Bearer xxx头，vLLM直接拒收
用Ollama跑DeepSeek R1并接ChatOllama节点
适合没GPU、只想快速验证逻辑的场景。注意Ollama里的DeepSeek模型不是官方原版，而是社区量化精简版（如deepseek-r1:1.5b-q4_K_M），生成质量略降但响应快。
One API key for 70+ AI models. Route to GPT, Claude, Gemini, Qwen, Deepseek, Grok and more
下载
统一LLM网关 - 一个API对接70+AI模型，使用单一API密钥即可调用GPT、Claude、Gemini、Qwen、Deepseek、Grok等主流模型。
- Ollama拉取命令要明确指定tag：
ollama pull deepseek-r1:1.5b-q4_K_M，只写ollama run deepseek-r1会默认找latest，而该tag可能不存在 - ChatOllama节点的Base URL默认是
http://localhost:11434，如果改过Ollama端口（比如用OLLAMA_HOST=0.0.0.0:11435启动），Flowise里必须同步改 - Model Name填Ollama中
ollama list显示的完整名称，包括tag，例如deepseek-r1:1.5b-q4_K_M；只填deepseek-r1会触发Ollama 404 - Embedding节点别用Ollama Embedding配DeepSeek——它不支持，得换
bge-m3或jina-embeddings-v2-base-zh
拖拽流程时最关键的三个连接点
哪怕模型通了，流程仍可能静默失败。这三个节点位置一旦连错，整个RAG或Agent就卡住不动：
- “Retrieval QA”节点的
retriever输入必须连“Vector Store”节点的retriever输出口（不是vectorStore），否则查不到知识库 - “Chat Model”节点的
llm输入必须连“LLM”或“ChatOllama”节点的model输出口（不是output），否则提示TypeError: expected LLM, got str - “Document Loader”节点若选“Upload File”，必须在“Text Splitter”前加一个“Parse Document”节点，否则PDF/Word内容无法被切分，向量化后全是空向量
最容易被忽略的是：Flowise里所有节点的“Name”字段（右上角小标题）不能含空格或中文标点。比如把“DeepSeek LLM”写成“DeepSeek LLM ”（末尾多一个空格），保存后工作流能运行，但导出API时路径会变成/api/v1/prediction/DeepSeek%20LLM，前端调用404——这个空格不会高亮显示，只能靠复制粘贴到编辑器里肉眼排查。
