รัน flow ของ Flowise บนโมเดลในแคตตาล็อกใดก็ได้ผ่าน Base Path เดียว

คำตอบสั้น ๆ: credential, Base Path, model id

บน canvas ของ Flowise ลาก node ChatOpenAI จากแผง Chat Models คลิก Connect Credential แล้วสร้าง OpenAI credential ใหม่ที่เก็บ key ของ APIsRouter ไว้ จากนั้นเปิด Additional Parameters บน node แล้วตั้ง Base Path เป็น https://api.apisrouter.com/v1 ทุกการเรียกที่ node นี้ทำตอนนี้ไปที่ gateway แทนที่จะเป็น host ของ OpenAI สำหรับฟิลด์โมเดล: node ChatOpenAI มาตรฐานมี dropdown ของชื่อโมเดล OpenAI ดังนั้นสำหรับ gateway id อย่าง claude-sonnet-4-6 หรือ deepseek-v4-flash ให้ใช้ node ChatOpenAI Custom แทน ซึ่งรับ model id ใดก็ได้แบบ free text นี่คือรูปแบบที่ Flowise มีเอกสารรองรับไว้ อธิบายในเอกสารทางการสำหรับ endpoint แบบ OpenAI-compatible คลาสนี้พอดี

Connect Credential:  new OpenAI credential
                     API Key: sk-YOUR-APISROUTER-KEY

Model Name:          claude-sonnet-4-6

Additional Parameters:
  Base Path:         https://api.apisrouter.com/v1

Flowise คุยกับ endpoint อย่างไร

Flowise (FlowiseAI บน GitHub มีดาวประมาณ 55K) คือตัวสร้างแบบภาพสำหรับแอป LLM: chatflow และ agent flow ประกอบจาก node บน canvas ครอบคลุมโมเดลแชท, RAG pipeline บน document store, agent ที่ใช้ tool ได้ และ API endpoint ที่คุณเรียกจากผลิตภัณฑ์ของคุณเองได้ ทุก LLM node ใน flow ส่ง chat-completions request มาตรฐาน และ Base Path ตัดสินว่า request เหล่านั้นไปลงที่ไหน เพราะ gateway ให้บริการหลาย vendor อยู่หลัง URL เดียว credential เดียวครอบคลุมทุกโมเดลในแคตตาล็อก chatflow แบบ RAG สามารถรันการสังเคราะห์คำตอบบน claude-sonnet-4-6 ในขณะที่ branch จัดหมวดใน flow เดียวกันรัน deepseek-v4-flash แต่ละอันตั้งค่าเป็น node ของตัวเองด้วย model id ของตัวเอง ทั้งคู่คิดเงินผ่าน key เดียวกัน เอกสารอธิบายกลไก Base Path เดียวกันนี้สำหรับบริการ OpenAI-compatible อื่น ๆ ด้วย ดังนั้นนี่คือการใช้งาน Flowise มาตรฐาน ไม่ใช่ workaround ข้อควรระวังตรง ๆ หนึ่งข้อ: embedding เป็น node type แยกต่างหาก ถ้า flow ของคุณใช้ OpenAI embeddings ให้ตั้งค่า node OpenAI Embeddings Custom ด้วยรูปแบบ Base Path เดียวกัน และยืนยัน embedding model id เทียบกับแคตตาล็อกก่อน เพราะพื้นผิวแชทและ embedding แยกกัน

Flowise แบบ self-hosted: ข้อสังเกตเรื่อง Docker networking

การติดตั้ง Flowise ส่วนใหญ่รันใน Docker และ Base Path ถูก resolve จากข้างใน container URL ของ gateway สาธารณะอย่าง https://api.apisrouter.com/v1 ใช้ได้จากทุกที่ ดังนั้นไม่มี networking พิเศษที่เกี่ยวข้อง ข้อควรระวังนี้มีอยู่เพราะเอกสารชุมชนส่วนใหญ่เขียนขึ้นสำหรับ inference server บนเครื่องท้องถิ่น ที่ address แบบ host.docker.internal มีความสำคัญ กับ gateway ที่ host ไว้ คุณข้ามคำแนะนำประเภทนั้นทั้งหมดได้เลย ส่วนที่มีความสำคัญจริงในการปฏิบัติงาน: credential ใน Flowise เก็บไว้ฝั่ง server และแชร์กันข้าม flow ดังนั้น APIsRouter credential เดียวที่สร้างครั้งเดียวใช้ซ้ำได้โดยทุก node ในทุก flow บน instance สำหรับทีม บวกกับ usage ต่อ key ใน console ของ gateway จะได้การแบ่งที่สะอาด: credential หนึ่งตัวต่อ environment หรือต่อโปรเจกต์ และ console ระบุ token กับค่าใช้จ่ายให้แต่ละอัน

curl -s https://api.apisrouter.com/v1/models \
  -H "Authorization: Bearer $APISROUTER_API_KEY" | head -30

เลือกโมเดลต่อ node

flow คูณการเรียกโมเดลในแบบที่แชทเดี่ยวไม่มีวันทำ RAG pipeline ที่มี query rewriting, retrieval grading และการสังเคราะห์คำตอบสามารถแตะ LLM สามครั้งหรือมากกว่าต่อข้อความผู้ใช้หนึ่งครั้ง การใส่ flagship ไว้แค่ที่ที่มันคุ้มค่ากับอัตรา และใส่ระดับปริมาณไว้ที่อื่น ๆ เป็นการตัดสินใจแบบ dropdown ต่อ node เมื่อตั้ง Base Path แล้ว

• claude-sonnet-4-6 สำหรับ node สนทนาหรือ agent หลัก ตรงที่คุณภาพคำตอบแบก flow ไว้
• claude-haiku-4-5-20251001 สำหรับ branch ปริมาณสูง: routing, การติดแท็ก, สรุปสั้น ๆ ข้างใน flow ที่ใหญ่กว่า
• gpt-5.4-mini เป็นตัวเลือกปริมาณตระกูล GPT สำหรับ flow ที่สร้างรอบพฤติกรรมสไตล์ OpenAI
• gemini-3.5-flash ตรงที่ branch หนึ่งรับเอกสารยาวหรือรูปภาพในราคาระดับกลาง
• deepseek-v4-flash สำหรับการเรียก utility ปริมาณสูงที่สุด ตรงที่อัตราต่อ token คือข้อจำกัดในการออกแบบ

จ่ายตามการใช้งาน · ถูกกว่าราคาทางการ

Selected models are priced below official list prices. Exact input, output, cache, and per-request prices are shown for each model.

รูปแบบความล้มเหลวเฉพาะของ Flowise

ลำดับ debug สองคำสั่งใช้ได้ที่นี่เหมือนทุกที่: พิสูจน์ endpoint ด้วย curl ก่อน รายการโมเดลแล้วตามด้วยหนึ่ง completion ด้วย id เป๊ะ ๆ แล้วค่อย debug ข้างใน Flowise ซึ่งแยกปัญหา gateway ออกจากการตั้งค่า canvas ได้ภายในไม่ถึงนาที

• dropdown โมเดลไม่แสดง id ของคุณ: เป็นเรื่องปกติบน node ChatOpenAI มาตรฐาน ใช้ ChatOpenAI Custom ซึ่งรับ model id แบบ free text
• 401 จาก node: credential เก็บ key ผิด หรือมี credential อื่นที่ผูกกับ node นี้ต่างจากที่คุณคิด credential ผูกไว้ต่อ node ดังนั้นเช็กที่ node ไม่ใช่แค่ credential store
• 404 ในทุกการเรียก: Base Path ขาด /v1 หรือมี path segment ต่อท้ายที่ไม่ควรมี node เติม route path ต่อจาก base ที่คุณให้
• ทำงานได้ใน flow หนึ่ง แต่ล้มเหลวในอีก flow: แต่ละ node พก Base Path ของตัวเองใต้ Additional Parameters การคัดลอก node จะคัดลอกมันด้วย การสร้าง node ใหม่จะไม่คัดลอก
• node embedding ยังคงยิงไปที่ OpenAI: node แชทและ embedding ตั้งค่าแยกกัน ตั้ง Base Path บน node embeddings ด้วย หรือคาดว่าจะมีการเก็บเงินแบบผสม

ใครที่ route Flowise ผ่าน gateway

• builder ที่ส่งมอบ chatbot ให้ลูกค้าที่ต้องการเลือกโมเดลได้ต่อ flow โดยไม่ต้องมีบัญชี vendor ต่อลูกค้า
• ทีมที่เน้น RAG ที่ retrieval pipeline คูณการเรียก LLM ต่อข้อความและต้องการระดับปริมาณใน utility step
• เอเจนซี่ที่รัน Flowise instance เดียวสำหรับหลายโปรเจกต์ ใช้ credential หนึ่งตัวต่อ key ของโปรเจกต์เพื่อระบุการใช้งานต่อลูกค้าที่สะอาด
• นักพัฒนาที่เปรียบเทียบ Claude, GPT และ DeepSeek บน flow เดียวกัน ที่แต่ละตัวเลือกเป็นแค่การแก้ไขฟิลด์โมเดลบน node ที่ทำสำเนาไว้
• self-hoster ที่ต้องการให้ instance ทั้งหมดเก็บเงินจากยอดคงเหลือแบบเติมเงินล่วงหน้าเดียว แทนที่จะเป็นบัตร vendor หลายใบ

คำถามที่พบบ่อย