flowise 官方未收录“jevai”相关节点或插件;其原生支持条件分支、http 请求和自定义函数实现决策链逻辑,无需依赖非标组件。
☞☞☞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☜☜☜

目前 Flowise 官方节点库、GitHub 仓库(45k+ Stars)、文档及全部公开教程中,均未收录名为 “JevAI” 或 “JevAI_Flowise” 的集成模块、决策链组件或第三方插件。截至 2026 年 9 月 21 日,Flowise 支持的原生节点包括:
- 主流 LLM 后端:OpenAI、Anthropic、Google Gemini、Ollama、HuggingFace Inference API、LocalAI、vLLM(通过 OpenAI 兼容 API)
- 向量库:Chroma、Qdrant、Weaviate、Pinecone、Supabase
- 文档加载器:PDF、Word、TXT、Markdown、网页爬取(Cheerio + Puppeteer)、Notion、CSV 等
- 工具与链式逻辑:HTTP 请求、Python 脚本(Sandbox)、条件分支(If/Else)、循环、变量注入、提示词模板(Prompt Template)、记忆管理(Chat Memory)
但 不存在官方维护或社区广泛验证的 “JevAI 决策链” 可视化节点或预置集成包。
如果你看到 “JevAI_Flowise” 相关名称,可能属于以下情况之一:
- 某企业/团队内部基于 Flowise 二次开发的私有插件(未开源,未发布到 npm 或 Flowise 插件市场)
- 名称混淆:误将 “Jina AI”(提供 jina-embeddings、DocArray 等工具)或 “LangChain’s Decision Chain” 简写为 “JevAI”
- 第三方非标封装:某开发者用自定义 Node.js 函数节点(Custom Function)调用某个叫 JevAI 的私有服务 API,但该能力未标准化、不可复用、无图形配置面板
若你实际想实现“决策链”类逻辑(如多路径判断、规则路由、动态模型选择),Flowise 原生完全支持,无需依赖未知组件:
✅ 使用内置条件节点构建决策流
- 拖入 “If/Else” 节点(位于 Input/Output 分类下)
- 连接上游节点(如 Chat Input 或 LLM 输出)的
output到 If/Else 的condition字段 - 在配置面板中填写 JavaScript 表达式,例如:
-
{{ $input.message.includes("退款") }} -
{{ $input.score > 0.8 }}
-
- 分别连接
true和false输出端口至不同下游分支(如不同 LLM、不同知识库、不同提示词)
✅ 用 HTTP 节点对接任意外部决策服务
- 拖入 “HTTP Request” 节点(Tools 分类)
- 配置目标 URL(例如你内部部署的
http://jevai-api.local/v1/route) - 设置 Method、Headers(如
Authorization: Bearer xxx)、Body(可注入{{ $input }}) - 将返回 JSON 中的字段(如
decision.model或route.path)用变量传递给后续节点
✅ 通过 Custom Function 实现轻量逻辑编排
- 拖入 “Custom Function” 节点(Advanced 分类)
- 编写同步 JS 函数,例如:
return { model: input.text.includes('技术') ? 'qwen2-7b' : 'llama3-8b', temperature: input.confidence > 0.9 ? 0.1 : 0.7 } - 输出对象字段可被后续节点直接引用(如 Local LLM 节点读取
{{ $function.model }})
如果你确有 JevAI 的 API 文档或 SDK
可按以下步骤完成“可视化接入”:
-
确认协议类型
qwen-omni-multimodal下载基于阿里云百炼 Qwen3.5-Omni 的全模态技能,支持文本、图片、音频、视频理解与文本/语音输出。适用于图片分析、音频转写理解、视频理解、跨模态问答及语音回复生成。
- 是 REST API?→ 用 HTTP Request 节点
- 是 gRPC 或 WebSocket?→ 需先封装为中间 REST 代理(Node.js/Python),再由 HTTP 节点调用
- 提供了 Python SDK?→ 放入 Custom Function(需确保 Flowise 服务端已安装对应依赖)
-
设计输入输出契约
- 明确 JevAI 接收什么结构(如
{ "query": "...", "context": [...] }) - 明确它返回什么(如
{ "action": "escalate", "model": "gpt-4" }) - 在 Flowise 中用
{{ $input.xxx }}注入,用{{ $http.data.action }}提取
- 明确 JevAI 接收什么结构(如
-
测试与串联
- 单独测试 HTTP/Function 节点是否能稳定返回预期字段
- 将输出字段映射到 LLM 节点的
modelName、temperature或 Prompt 模板中的占位符 - 加入日志节点(Console Log)便于调试字段流转
Flowise 的核心优势正在于:不绑定任何特定厂商或黑盒服务,所有外部系统都可通过标准协议(HTTP/JSON/JS)透明接入。所谓“无缝”,本质是接口对齐 + 字段映射 + 可视化编排——不需要专用插件,也不需要改源码。
如果后续 JevAI 官方发布了 Flowise 兼容插件,其安装方式大概率会是:
npm install jevai-flowise-plugin flowise start --plugin jevai-flowise-plugin
届时可在左侧节点栏看到专属图标和配置面板。当前阶段,建议优先使用上述原生能力完成等效功能。










