# 《筆記》RAG Agents: 用 Flowise 建構 RAG 應用程式 (上)

**URL:** https://vip.studycamp.tw/t/%E3%80%8A%E7%AD%86%E8%A8%98%E3%80%8Brag-agents-%E7%94%A8-flowise-%E5%BB%BA%E6%A7%8B-rag-%E6%87%89%E7%94%A8%E7%A8%8B%E5%BC%8F-%E4%B8%8A/8510
**Category:** 自然語言處理
**Created:** [2025年十一月19日 14:11 UTC](https://vip.studycamp.tw/t/%E3%80%8A%E7%AD%86%E8%A8%98%E3%80%8Brag-agents-%E7%94%A8-flowise-%E5%BB%BA%E6%A7%8B-rag-%E6%87%89%E7%94%A8%E7%A8%8B%E5%BC%8F-%E4%B8%8A/8510 "2025-11-19T14:11:05Z")
**Posts on this page:** 1
**Page:** 1

<div class="post-metadata">

### Author: ![sky](https://vip.studycamp.tw/user_avatar/vip.studycamp.tw/sky/32/8098_2.png) [@sky](https://vip.studycamp.tw/u/sky)
#### Post date: [2025年十一月19日 14:11 UTC](https://vip.studycamp.tw/t/%E3%80%8A%E7%AD%86%E8%A8%98%E3%80%8Brag-agents-%E7%94%A8-flowise-%E5%BB%BA%E6%A7%8B-rag-%E6%87%89%E7%94%A8%E7%A8%8B%E5%BC%8F-%E4%B8%8A/8510/1 "2025-11-19T14:11:05Z")

</div>

> 本章將正式進入實作階段，目標是在自己電腦上，透過 API 構建 RAG 應用程式。

## ▌33. 本章課程概述

和之前一樣，課程開始第一節，介紹本章（33 - 51）將進行的主題說明，最後一節總複習。

- 核心生態系：將在 Flowise 介面中，使用 LangChain 和 LangGraph 的功能。

- LLM 模型：概覽 OpenAI、Gemini、DeepL、Anthropic 等，並介紹 OpenRouter 的使用。

- 實作路徑：

* * *

## ▌34. OpenAI API：定價策略與金鑰管理

本節說明如何以最具成本效益的方式使用 OpenAI API。

### 1. 付費與帳戶設定

- 模式：採用「Pay-as-you-go」（隨用隨付）。

- 建議：即使不綁卡也可使用 Ollama，但強烈建議使用 OpenAI 以獲得最佳穩定性。測試成本極低，約 $5 美元即可涵蓋全課程。

### 2. 模型選擇策略 (Model Strategy)

| 類別 | 推薦模型 | 特色與成本 | 適用場景 |
| --- | --- | --- | --- |
| 課程首選 | GPT-4o mini | CP 值最高 (輸入 $0.15 / 輸出 $0.60) | 通用任務、大部分課程練習 |
| 推理模型 | o4-mini | 推理模型中最實惠 | 代理 (Agent)、複雜推理任務 |
| 邏輯模型 | GPT-4.1 mini | 擅長編碼與邏輯 | 程式碼生成、邏輯判斷 |
| ~~應避免~~ | ~~GPT-4, 3.5 Turbo~~ | ~~舊版或過於昂貴~~ | 不推薦使用 |

### 3. 安全與管理

- API Key：建立時權限設為 “All”，務必立即複製保存，遺失無法查看。

- 預算控制：強烈建議設定「軟性警報 (Alert)」與「硬性上限 (Hard limit)」(例如 $40)，避免意外超支。

- GDPR：歐洲用戶可選擇歐洲區專案，確保零資料保留。

* * *

## ▌35. OpenAI Playground：測試與 Responses API

不需訂閱 ChatGPT Plus 即可在 Playground 測試所有 API 功能。

### 1. RAG 建構方式的演進

- 舊方法 (Assistants API)：即將於 2026 年退場。功能類似 ChatGPT 的 GPTs，包含 File Search 和 Code Interpreter。

- 新趨勢 (Responses API)：

### 2. 其他 API 功能測試

- Text-to-Speech (TTS)：製作語音內容，GPT-4o mini 的 TTS 成本相對低廉。

- Images (DALL-E 3)：生成或編輯圖像，費用依解析度變動。

- Realtime API (語音對話)：警告！非常昂貴 (每百萬 Token 輸出高達 $64)，開發時需謹慎使用。

* * *

## ▌36. Flowise, LangChain 與 LangGraph

為何選擇 Flowise 作為開發平台，而非直接編寫程式碼。

- 痛點：LangChain 生態系強大但複雜，直接撰寫 Python / JS 門檻高。

- 解決方案：Flowise

- LangChain vs. LangGraph：

* * *

## ▌37. Flowise 安裝前置：NodeJS 環境建置

為了完全掌控資料與節省成本，課程選擇「本地安裝」Flowise。

### 1. Flowise 部署選項比較

- 雲端版 (Cloud)：簡單但免費版限制多 (僅 2 個流程)。

- 自行託管 (Self-Host)：如 Render，適合未來接案或服務客戶。

- 本地安裝 (Local) [本課採用]：

### 2. 關鍵環境需求：NodeJS

- 版本限制：Flowise 嚴格要求 NodeJS 版本需為 `18.15.0` 或 `20+`。版本錯誤將導致安裝失敗。

- 管理工具：後續將介紹使用 NVM (Node Version Manager) 來切換版本，確保環境正確。

### 3. 下一步

- 下載並安裝 NodeJS。

- 重要提示：安裝過程中若詢問是否安裝額外工具 (如 Python, Chocolatey)，請務必勾選安裝，以避免未來套件相依性問題。

### 4. 總結

1. 註冊 OpenAI API：綁定付款方式，設定預算上限，並取得 API Key。

2. 熟悉 Playground：嘗試操作 Responses API，體驗 RAG 與搜尋的結合。

3. 準備開發環境：下載並安裝 NodeJS (建議連同額外工具包一起安裝)，為下一節安裝 Flowise 做好準備。

* * *

## ▌Gemini 3 帶來的衝擊

Google 剛在兩天前（11 月 18 日）發布了 **Gemini 3** 系列，在「代理（Agentic）」能力和「推理」上有了顯著的優勢。

我認為課程中 OpenAI 的部分，可以考慮改用 Gemini，不僅模型表現較優，價格還更便宜。（難怪這兩天 google 股價狂漲）

以下是將 OpenAI 模型替換為最新的 **Gemini 生態系模型** 的對照整理與價格比較（由 Gemini 製表，我還沒驗證）：

### 一、 模型對照表：OpenAI vs. Gemini (2025 最新版)

根據你的課程需求（CP 值 vs. 推理能力），以下是 Gemini 的最佳對應選擇：

| OpenAI 模型 | 角色定位 | Gemini 對應模型 | 選擇理由 |
| --- | --- | --- | --- |
| **GPT-4o mini** | **高 CP 值首選**  
(日常對話、簡單 RAG) | **Gemini 1.5 Flash-8B**  
_(或 Gemini 2.5 Flash)_ | 這是目前市面上 **極致便宜** 且快速的模型。Flash-8B 專為高頻率、低延遲任務設計，非常適合取代 GPT-4o mini 進行大量文本處理。 |
| **o4-mini**  
_(推理模型)_ | **邏輯與代理**  
(Agent, 複雜任務) | **Gemini 3 Pro**  
_(最新旗艦)_ | 剛發布的 Gemini 3 Pro 被稱為「最强代理模型 (Most Agentic)」。雖然它是 Pro 等級（非 Mini），但它針對 **多步驟推理** 和 **編碼** 進行了優化，是執行課程中「CEO 代理」或「複雜工作流」的最佳選擇。 |
| **GPT-4.1 mini**  
_(邏輯模型)_ | **編碼與邏輯** | **Gemini 3 Pro** | 同上，Gemini 3 Pro 在處理程式碼重構和複雜邏輯上表現超越了舊代模型，適合用來撰寫 System Prompt 或除錯。 |

### 二、 價格大比拼：Gemini vs. OpenAI

這裡有一個驚人的發現： **Gemini 在「高 CP 值」端具有壓倒性的價格優勢。**

#### 1. 入門/高 CP 值組 (The Budget Kings)

這是課程中最常用的類別。

| 項目 | **OpenAI GPT-4o mini** | **Gemini 1.5 Flash-8B** | **勝出者** |
| --- | --- | --- | --- |
| **輸入 (Input)** | $0.15 / 1M tokens | **$0.0375** / 1M tokens | **Gemini (便宜 4 倍)** |
| **輸出 (Output)** | $0.60 / 1M tokens | **$0.15** / 1M tokens | **Gemini (便宜 4 倍)** |
| **結論** | 雖然 GPT-4o mini 已經很便宜，但 Google 的 **Flash-8B** 簡直是價格破壞者。如果你想以最低成本跑完這堂課，選 Flash-8B。 | | |

#### 2. 推理/代理組 (The Reasoning Agents)

這是執行「多代理框架 (Multi-Agents)」或「複雜推理」時的對比。  
_(註：OpenAI 使用的是 o4-mini 價格，而 Gemini 是以最新的旗艦 Gemini 3 Pro 對比，以獲得最佳效果)_

| 項目 | **OpenAI o4-mini** | **Gemini 3 Pro (Preview)** | **比較分析** |
| --- | --- | --- | --- |
| **輸入 (Input)** | $1.10 / 1M tokens | **$2.00** / 1M tokens | OpenAI 較便宜 |
| **輸出 (Output)** | $4.40 / 1M tokens | **$12.00** / 1M tokens | OpenAI 較便宜 |
| **結論** | **注意成本！** Gemini 3 Pro 是「旗艦級」模型，價格高於 OpenAI 的「Mini」推理模型。但它提供了**更強的上下文理解 (Long Context)** 和針對 Agent 優化的能力。  
  
💡 **建議策略** ：在 Flowise 開發和測試流程時，先使用超便宜的 **Flash-8B** 或 **Gemini 2.5 Flash** 。只有在最後需要「高品質推理」或「最終產出」時，才切換到 **Gemini 3 Pro** 。 | | |

#### 3. 模型比較（評分 & 價格）

以下再對 GPT-4o mini, Gemini 1.5 Flash-8B & Gemini 1.5 Flash 做比較。

> 補充：雖然 **GPT-4o mini** 在「邏輯推理 (Math/Code)」上略勝一籌，但 **Gemini 1.5 Flash 系列** 在「RAG 關鍵能力（Context Window）」和「價格」上具有壓倒性優勢。

以下是這三個模型的詳細基準測試 (Benchmark) 與價格對照：

1. 基準測試分數 (Benchmarks，分數越高越好)

| 測試項目 | **GPT-4o mini** | **Gemini 1.5 Flash** | **Gemini 1.5 Flash-8B** | **解讀** |
| --- | --- | --- | --- | --- |
| **MMLU**  
(綜合知識) | **82.0%** | 78.9% | ~78% | GPT-4o mini 在一般知識回答上稍準確一點，但差距不大。 |
| **MATH**  
(數學推理) | **87.0%** | ~75% | ~72% | 在處理複雜數學或需要高度邏輯的 Agent 任務時，GPT-4o mini 表現較好。 |
| **HumanEval**  
(程式碼能力) | **87.2%** | 74.3% | ~70% | 如果你需要寫複雜程式碼，選 GPT-4o mini；如果是簡單的 JSON 處理，Gemini 足矣。 |
| **Context Window**  
(上下文窗口) | 128k | **100 萬 (1M)** | **100 萬 (1M)** | **RAG 的關鍵勝負手！**  
Gemini 可以一次吃下整本書或數十個 PDF，而 GPT-4o mini 容量較小。 |

> **對 RAG 課程的意義：**
> 
> - **GPT-4o mini** ：適合做「最後的回答者」，因為它講話比較漂亮、邏輯好。
> - **Gemini 1.5 Flash/8B** ：適合做「檢索者」或「大量資料處理者」，因為它能讀非常多資料，且讀得非常快。

1. 價格對照表 (每 100 萬 Token，美金計價，價格越低越好)

> Gemini 1.5 Flash-8B 是目前的 **價格破壞者** ，價格僅為 GPT-4o mini 的 **1/4** 。

| 項目 | **GPT-4o mini** | **Gemini 1.5 Flash** | **Gemini 1.5 Flash-8B** | **價格倍率 (vs 4o-mini)** |
| --- | --- | --- | --- | --- |
| **輸入 (Input)**  
_(餵給 AI 的文件)_ | $0.150 | $0.075 | **$0.0375** | **便宜 4 倍** |
| **輸出 (Output)**  
_(AI 生成的回答)_ | $0.600 | $0.300 | **$0.1500** | **便宜 4 倍** |
| **快取 (Cached)**  
_(重複使用文件)_ | $0.075 | $0.01875 | **$0.0100** | **便宜 7.5 倍** |

> **💰 成本試算：**  
> 假設 RAG 要處理 **1000 頁的 PDF 文件** (約 50 萬 Token)：
> 
> - 使用 **GPT-4o mini** ：花費約 **$0.075**
> - 使用 **Gemini 1.5 Flash-8B** ：花費約 **$0.018** (幾乎免費)

### 三、 綜合建議

1. **開發階段 (Dev)**：

2. **上線階段 (Prod)**：

### 建議策略

1. **修改 Flowise 設定** ：在執行 Flowise 時，當切換到 `GPT-4o mini` 時，可改用 `Gemini 1.5 Flash-8B`（或 `Gemini 1.5 Flash`）。速度極快，而且帳單幾乎是零。

2. **體驗 Gemini 3** ：當課程進入「多代理 (Multi-Agent)」章節，需要聰明的「主管 (CEO)」時，試著接上剛發布的 `Gemini 3 Pro`。雖然貴一點，但它的邏輯推理能力目前是市場頂尖，會比課程中的 `o4-mini` 表現得更像人類。

3. **善用免費額度** ：Google AI Studio 提供不錯的免費層級 (Free Tier)，開發階段可以善用，搞不好完全不需要付費。