Flowise – Hangi Node Ne Zaman Kullanılır?

Bu yazıda, Flowise içerisinde bulunan node’ların gerçek çalışma senaryoları içerisinde hangi durumda, neden ve nasıl kullanılması gerektiğini detaylı olarak ele alıyoruz. Her akış, bir uygulama amacını gerçekleştirirken node’lar arasındaki bağlantı mantığını da yansıtır.

✅ 1. Belge Tabanlı Soru-Cevap Akışı (PDF Chatbot)

Amacı: Kullanıcının yüklediği PDF belgesi içerisinden bilgi çekip sorularına cevap vermek.

Node Akışı:

Input (File) → PDF File Loader → Text Splitter → Embedding → Vector Store → Retriever → ConversationalRetrievalQAChain → LLM → Output

Kritik Noktalar:

• Text Splitter olmadan metin tek parça olur, embedding verimli çalışmaz.
• ConversationalRetrievalQAChain node’u sohbet geçmişini de dikkate alarak belge bazlı cevap üretir.

✅ 2. Web Sayfasından Bilgi Çekip Özetleme

Amacı: Belirli bir URL’deki sayfa içeriğini alıp kullanıcıya özet olarak sunmak.

Node Akışı:

Input (Text URL) → Web Page Loader → Text Splitter → Prompt Template ("Sayfayı özetle") → LLM → Output

Kritik Noktalar:

• Prompt Template sayesinde modelin cevabını özet formatında alman garanti edilir.

✅ 3. Sadece Soru-Cevap Mantığı

Amacı: Basit bir soru-cevap chat uygulaması

Node Akışı:

Input → Prompt Template → LLM → Output

Kritik Noktalar:

• Prompt Template yerine LLM node içine direkt prompt da yazılabilir ama modüler ayırmak daha iyi yönetim sağlar.

✅ 4. Tool ile arXiv API’den Makale Çekmek

Amacı: Kullanıcının girdisine göre arXiv’den yayın listesi getirmek.

Node Akışı:

Input → Custom Tool (arXiv API) → Prompt Template ("Bu yayınları özetle") → LLM → Output

Kritik Noktalar:

• Custom Tool, harici API ile veri çekmek için tanımlanır.
• JSON input/output tanımına dikkat edilmelidir.

✅ 5. Matematiksel Hesaplama Gerektiren Durumlar

Amacı: Kullanıcının sayısal işlemlerini doğrudan yapabilmek.

Node Akışı:

Input → Calculator Tool → Output

Kritik Noktalar:

• Prompt Template kullanılmaz. Tool doğrudan sayısal işlemi yapar.

✅ 6. Rol Tabanlı Akış (Yetkili/Misafir Ayrımı)

Amacı: Kullanıcının rolünü tespit edip farklı akışlar tetiklemek.

Node Akışı:

Input (userType) → If Else → Prompt A / Prompt B → LLM → Output

Kritik Noktalar:

• Her dal ayrı prompt ile çalışabilir.

✅ 7. Hafızayla Konu Takibi (Memory Kullanımı)

Amacı: Sohbet bağlamını hatırlayan bot yapısı.

Node Akışı:

Input → Memory → Prompt Template → LLM → Output

Kritik Noktalar:

• Buffer Memory node’u aktif kalmalı.

✅ 8. Tool’lar Arasından Seçim Yapan Agent

Amacı: LLM’in ihtiyacı olan Tool’u kendi karar verip çağırması.

Node Akışı:

Input → AgentExecutor (Tool 1, Tool 2...) → Output

Kritik Noktalar:

• AgentExecutor node’u, LLM’e hangi tool’ları kullanabileceğini belirtmelidir.

✅ 9. JSON Formatında Cevap Gerektiren Yapılar

Amacı: Modelden yapılandırılmış çıktı almak (JSON, tablo, vb.)

Node Akışı:

Input → Prompt Template (format talimatı verilir) → LLM → Output Parser → Output

Kritik Noktalar:

• Cevap formatı net belirtilmeli: “Sadece aşağıdaki JSON yapısında dön.”

✅ 10. Editor Destekli Soru Düzenleme ve RAG Tabanlı Yanıt

Amacı: Temsilciden gelen sorunun anlamlı hale getirilip belgelerden doğru yanıt üretilmesi.

Node Akışı:

Input (Temsilci Sorusu) → Prompt Template (Rephrase Prompt) → LLM → Vector Store Retriever → Prompt Template (Yanıtla) → LLM → Output

Kritik Noktalar:

• İlk LLM sadece soruyu yeniden yazar, ikinci LLM belgeye dayalı cevap üretir.
• Gelişmiş RAG + rewriter zinciri kurulmuş olur.