# FlowiseAI ## English - [Introduction](https://docs.flowiseai.com/readme.md): Welcome to the official Flowise documentation - [Get Started](https://docs.flowiseai.com/getting-started.md) - [Contribution Guide](https://docs.flowiseai.com/contributing.md): Learn how to contribute to this project - [Building Node](https://docs.flowiseai.com/contributing/building-node.md) - [API Reference](https://docs.flowiseai.com/api-reference.md) - [Assistants](https://docs.flowiseai.com/api-reference/assistants.md) - [Attachments](https://docs.flowiseai.com/api-reference/attachments.md) - [Chat Message](https://docs.flowiseai.com/api-reference/chat-message.md) - [Chatflows](https://docs.flowiseai.com/api-reference/chatflows.md) - [Document Store](https://docs.flowiseai.com/api-reference/document-store.md) - [Feedback](https://docs.flowiseai.com/api-reference/feedback.md) - [Leads](https://docs.flowiseai.com/api-reference/leads.md) - [Ping](https://docs.flowiseai.com/api-reference/ping.md) - [Prediction](https://docs.flowiseai.com/api-reference/prediction.md) - [Tools](https://docs.flowiseai.com/api-reference/tools.md) - [Upsert History](https://docs.flowiseai.com/api-reference/upsert-history.md) - [Variables](https://docs.flowiseai.com/api-reference/variables.md) - [Vector Upsert](https://docs.flowiseai.com/api-reference/vector-upsert.md) - [CLI Reference](https://docs.flowiseai.com/cli-reference.md) - [User](https://docs.flowiseai.com/cli-reference/user.md) - [Using Flowise](https://docs.flowiseai.com/using-flowise.md): Learn about some core functionalities built into Flowise - [Agentflow V2](https://docs.flowiseai.com/using-flowise/agentflowv2.md): Learn how to build multi-agents system using Agentflow V2, written by @toi500 - [Agentflow V1 (Deprecating)](https://docs.flowiseai.com/using-flowise/agentflowv1.md): Learn about how to build agentic systems in Flowise - [Multi-Agents](https://docs.flowiseai.com/using-flowise/agentflowv1/multi-agents.md): Learn how to use Multi-Agents in Flowise, written by @toi500 - [Sequential Agents](https://docs.flowiseai.com/using-flowise/agentflowv1/sequential-agents.md): Learn the Fundamentals of Sequential Agents in Flowise, written by @toi500 - [Video Tutorials](https://docs.flowiseai.com/using-flowise/agentflowv1/sequential-agents/video-tutorials.md): Learn Sequential Agents from the Community - [Prediction](https://docs.flowiseai.com/using-flowise/prediction.md) - [Streaming](https://docs.flowiseai.com/using-flowise/streaming.md): Learn how Flowise streaming works - [Document Stores](https://docs.flowiseai.com/using-flowise/document-stores.md): Learn how to use the Flowise Document Stores, written by @toi500 - [Upsertion](https://docs.flowiseai.com/using-flowise/upsertion.md) - [Analytic](https://docs.flowiseai.com/using-flowise/analytics.md): Learn how to analyze and troubleshoot your chatflows and agentflows - [Arize](https://docs.flowiseai.com/using-flowise/analytics/arize.md): Learn how to setup Arize to analyze and troubleshoot your chatflows and agentflows - [LangWatch](https://docs.flowiseai.com/using-flowise/analytics/langwatch.md): Learn how to setup LangWatch to analyze and troubleshoot your chatflows and agentflows - [Langfuse](https://docs.flowiseai.com/using-flowise/analytics/langfuse.md) - [Lunary](https://docs.flowiseai.com/using-flowise/analytics/lunary.md) - [Opik](https://docs.flowiseai.com/using-flowise/analytics/opik.md): Learn how to setup Opik to analyze and troubleshoot your chatflows and agentflows - [Phoenix](https://docs.flowiseai.com/using-flowise/analytics/phoenix.md): Learn how to setup Phoenix to analyze and troubleshoot your chatflows and agentflows - [Monitoring](https://docs.flowiseai.com/using-flowise/monitoring.md) - [Embed](https://docs.flowiseai.com/using-flowise/embed.md): Learn how to customize and embed our chat widget - [Uploads](https://docs.flowiseai.com/using-flowise/uploads.md): Learn how to use upload images, audio, and other files - [Variables](https://docs.flowiseai.com/using-flowise/variables.md): Learn how to use variables in Flowise - [Workspaces](https://docs.flowiseai.com/using-flowise/workspaces.md) - [Evaluations](https://docs.flowiseai.com/using-flowise/evaluations.md) - [Configuration](https://docs.flowiseai.com/configuration.md): Learn how to set up and run Flowise instances - [Auth](https://docs.flowiseai.com/configuration/authorization.md): Learn how to secure your Flowise Instances - [Application](https://docs.flowiseai.com/configuration/authorization/app-level.md): Learn how to set up app-level access control for your Flowise instances - [Flows](https://docs.flowiseai.com/configuration/authorization/chatflow-level.md): Learn how to set up chatflow-level access control for your Flowise instances - [Databases](https://docs.flowiseai.com/configuration/databases.md): Learn how to connect your Flowise instance to a database - [Deployment](https://docs.flowiseai.com/configuration/deployment.md): Learn how to deploy Flowise to the cloud - [AWS](https://docs.flowiseai.com/configuration/deployment/aws.md): Learn how to deploy Flowise on AWS - [Azure](https://docs.flowiseai.com/configuration/deployment/azure.md): Learn how to deploy Flowise on Azure - [Digital Ocean](https://docs.flowiseai.com/configuration/deployment/digital-ocean.md): Learn how to deploy Flowise on Digital Ocean - [GCP](https://docs.flowiseai.com/configuration/deployment/gcp.md): Learn how to deploy Flowise on GCP - [Hugging Face](https://docs.flowiseai.com/configuration/deployment/hugging-face.md): Learn how to deploy Flowise on Hugging Face - [Railway](https://docs.flowiseai.com/configuration/deployment/railway.md): Learn how to deploy Flowise on Railway - [Render](https://docs.flowiseai.com/configuration/deployment/render.md): Learn how to deploy Flowise on Render - [Replit](https://docs.flowiseai.com/configuration/deployment/replit.md): Learn how to deploy Flowise on Replit - [Sealos](https://docs.flowiseai.com/configuration/deployment/sealos.md): Learn how to deploy Flowise on Sealos - [Zeabur](https://docs.flowiseai.com/configuration/deployment/zeabur.md): Learn how to deploy Flowise on Zeabur - [Environment Variables](https://docs.flowiseai.com/configuration/environment-variables.md): Learn how to configure environment variables for Flowise - [Rate Limit](https://docs.flowiseai.com/configuration/rate-limit.md): Learn how to managing API requests in Flowise - [Running Flowise behind company proxy](https://docs.flowiseai.com/configuration/running-flowise-behind-company-proxy.md) - [SSO](https://docs.flowiseai.com/configuration/sso.md) - [Running Flowise using Queue](https://docs.flowiseai.com/configuration/running-flowise-using-queue.md) - [Running in Production](https://docs.flowiseai.com/configuration/running-in-production.md) - [Integrations](https://docs.flowiseai.com/integrations.md): Learn about all available integrations / nodes in Flowise - [LangChain](https://docs.flowiseai.com/integrations/langchain.md): Learn how Flowise integrates with the LangChain framework - [Agents](https://docs.flowiseai.com/integrations/langchain/agents.md): LangChain Agent Nodes - [Airtable Agent](https://docs.flowiseai.com/integrations/langchain/agents/airtable-agent.md): Agent used to to answer queries on Airtable table. - [AutoGPT](https://docs.flowiseai.com/integrations/langchain/agents/autogpt.md): Autonomous agent with chain of thoughts for self-guided task completion. - [BabyAGI](https://docs.flowiseai.com/integrations/langchain/agents/babyagi.md): Task Driven Autonomous Agent which creates new task and reprioritizes task list based on objective - [CSV Agent](https://docs.flowiseai.com/integrations/langchain/agents/csv-agent.md): Agent used to answer queries on CSV data. - [Conversational Agent](https://docs.flowiseai.com/integrations/langchain/agents/conversational-agent.md): Conversational agent for a chat model. It will utilize chat specific prompts. - [Conversational Retrieval Agent](https://docs.flowiseai.com/integrations/langchain/agents/conversational-retrieval-agent.md): Deprecating Node. - [MistralAI Tool Agent](https://docs.flowiseai.com/integrations/langchain/agents/mistralai-tool-agent.md): Deprecating Node. - [OpenAI Assistant](https://docs.flowiseai.com/integrations/langchain/agents/openai-assistant.md): An agent that uses OpenAI Assistant API to pick the tool and args to call. - [Threads](https://docs.flowiseai.com/integrations/langchain/agents/openai-assistant/threads.md) - [OpenAI Function Agent](https://docs.flowiseai.com/integrations/langchain/agents/openai-function-agent.md): Deprecating Node. - [OpenAI Tool Agent](https://docs.flowiseai.com/integrations/langchain/agents/openai-tool-agent.md): Deprecating Node. - [ReAct Agent Chat](https://docs.flowiseai.com/integrations/langchain/agents/react-agent-chat.md) - [ReAct Agent LLM](https://docs.flowiseai.com/integrations/langchain/agents/react-agent-llm.md) - [Tool Agent](https://docs.flowiseai.com/integrations/langchain/agents/tool-agent.md): Agent that uses Function Calling to pick the tools and args to call. - [XML Agent](https://docs.flowiseai.com/integrations/langchain/agents/xml-agent.md): Agent that is designed for LLMs that are good for reasoning/writing XML (e.g: Anthropic Claude). - [Cache](https://docs.flowiseai.com/integrations/langchain/cache.md): LangChain Cache Nodes - [InMemory Cache](https://docs.flowiseai.com/integrations/langchain/cache/in-memory-cache.md): Caches LLM response in local memory, will be cleared when app is restarted. - [InMemory Embedding Cache](https://docs.flowiseai.com/integrations/langchain/cache/inmemory-embedding-cache.md): Cache generated Embeddings in memory to avoid needing to recompute them. - [Momento Cache](https://docs.flowiseai.com/integrations/langchain/cache/momento-cache.md): Cache LLM response using Momento, a distributed, serverless cache. - [Redis Cache](https://docs.flowiseai.com/integrations/langchain/cache/redis-cache.md): Cache LLM response in Redis, useful for sharing cache across multiple processes or servers. - [Redis Embeddings Cache](https://docs.flowiseai.com/integrations/langchain/cache/redis-embeddings-cache.md): Cache LLM response in Redis, useful for sharing cache across multiple processes or servers. - [Upstash Redis Cache](https://docs.flowiseai.com/integrations/langchain/cache/upstash-redis-cache.md): Cache LLM response in Upstash Redis, serverless data for Redis and Kafka. - [Chains](https://docs.flowiseai.com/integrations/langchain/chains.md): LangChain Chain Nodes - [GET API Chain](https://docs.flowiseai.com/integrations/langchain/chains/get-api-chain.md): Chain to run queries against GET API. - [OpenAPI Chain](https://docs.flowiseai.com/integrations/langchain/chains/openapi-chain.md): Chain that automatically select and call APIs based only on an OpenAPI spec. - [POST API Chain](https://docs.flowiseai.com/integrations/langchain/chains/post-api-chain.md): Chain to run queries against POST API. - [Conversation Chain](https://docs.flowiseai.com/integrations/langchain/chains/conversation-chain.md): Chat models specific conversational chain with memory. - [Conversational Retrieval QA Chain](https://docs.flowiseai.com/integrations/langchain/chains/conversational-retrieval-qa-chain.md) - [LLM Chain](https://docs.flowiseai.com/integrations/langchain/chains/llm-chain.md): Chain to run queries against LLMs. - [Multi Prompt Chain](https://docs.flowiseai.com/integrations/langchain/chains/multi-prompt-chain.md): Chain automatically picks an appropriate prompt from multiple prompt templates. - [Multi Retrieval QA Chain](https://docs.flowiseai.com/integrations/langchain/chains/multi-retrieval-qa-chain.md): QA Chain that automatically picks an appropriate vector store from multiple retrievers. - [Retrieval QA Chain](https://docs.flowiseai.com/integrations/langchain/chains/retrieval-qa-chain.md): QA chain to answer a question based on the retrieved documents. - [Sql Database Chain](https://docs.flowiseai.com/integrations/langchain/chains/sql-database-chain.md): Answer questions over a SQL database. - [Vectara QA Chain](https://docs.flowiseai.com/integrations/langchain/chains/vectara-chain.md) - [VectorDB QA Chain](https://docs.flowiseai.com/integrations/langchain/chains/vectordb-qa-chain.md): QA chain for vector databases. - [Chat Models](https://docs.flowiseai.com/integrations/langchain/chat-models.md): LangChain Chat Model Nodes - [AWS ChatBedrock](https://docs.flowiseai.com/integrations/langchain/chat-models/aws-chatbedrock.md): Wrapper around AWS Bedrock large language models that use the Chat endpoint. - [Azure ChatOpenAI](https://docs.flowiseai.com/integrations/langchain/chat-models/azure-chatopenai-1.md) - [NVIDIA NIM](https://docs.flowiseai.com/integrations/langchain/chat-models/nvidia-nim.md) - [ChatCometAPI](https://docs.flowiseai.com/integrations/langchain/chat-models/chatcometapi.md) - [ChatAnthropic](https://docs.flowiseai.com/integrations/langchain/chat-models/chatanthropic.md): Wrapper around ChatAnthropic large language models that use the Chat endpoint. - [ChatCohere](https://docs.flowiseai.com/integrations/langchain/chat-models/chatcohere.md): Wrapper around Cohere Chat Endpoints. - [Chat Fireworks](https://docs.flowiseai.com/integrations/langchain/chat-models/chat-fireworks.md): Wrapper around Fireworks Chat Endpoints. - [ChatGoogleGenerativeAI](https://docs.flowiseai.com/integrations/langchain/chat-models/google-ai.md) - [Google VertexAI](https://docs.flowiseai.com/integrations/langchain/chat-models/google-vertexai.md) - [ChatHuggingFace](https://docs.flowiseai.com/integrations/langchain/chat-models/chathuggingface.md): Instructions for creating chatflows with a Hugging Face chat model. - [ChatLocalAI](https://docs.flowiseai.com/integrations/langchain/chat-models/chatlocalai.md) - [ChatMistralAI](https://docs.flowiseai.com/integrations/langchain/chat-models/mistral-ai.md) - [IBM Watsonx](https://docs.flowiseai.com/integrations/langchain/chat-models/ibm-watsonx.md) - [ChatOllama](https://docs.flowiseai.com/integrations/langchain/chat-models/chatollama.md) - [ChatOpenAI](https://docs.flowiseai.com/integrations/langchain/chat-models/azure-chatopenai.md) - [ChatTogetherAI](https://docs.flowiseai.com/integrations/langchain/chat-models/chattogetherai.md): Wrapper around TogetherAI large language models - [GroqChat](https://docs.flowiseai.com/integrations/langchain/chat-models/groqchat.md): Wrapper around Groq API with LPU Inference Engine. - [Document Loaders](https://docs.flowiseai.com/integrations/langchain/document-loaders.md): LangChain Document Loader Nodes - [Airtable](https://docs.flowiseai.com/integrations/langchain/document-loaders/airtable.md): Load data from Airtable table. - [API Loader](https://docs.flowiseai.com/integrations/langchain/document-loaders/api-loader.md): Load data from an API. - [Apify Website Content Crawler](https://docs.flowiseai.com/integrations/langchain/document-loaders/apify-website-content-crawler.md): Load data from Apify Website Content Crawler. - [BraveSearch Loader](https://docs.flowiseai.com/integrations/langchain/document-loaders/bravesearch-api.md) - [Cheerio Web Scraper](https://docs.flowiseai.com/integrations/langchain/document-loaders/cheerio-web-scraper.md) - [Confluence](https://docs.flowiseai.com/integrations/langchain/document-loaders/confluence.md): Load data from a Confluence Document - [Csv File](https://docs.flowiseai.com/integrations/langchain/document-loaders/csv-file.md): Load data from CSV files. - [Custom Document Loader](https://docs.flowiseai.com/integrations/langchain/document-loaders/custom-document-loader.md): Custom function for loading documents. - [Document Store](https://docs.flowiseai.com/integrations/langchain/document-loaders/document-store.md): Load data from pre-configured document stores. - [Docx File](https://docs.flowiseai.com/integrations/langchain/document-loaders/docx-file.md): Load data from DOCX files. - [Epub File](https://docs.flowiseai.com/integrations/langchain/document-loaders/epub-file.md) - [Figma](https://docs.flowiseai.com/integrations/langchain/document-loaders/figma.md): Load data from a Figma file. - [File](https://docs.flowiseai.com/integrations/langchain/document-loaders/file-loader.md) - [FireCrawl](https://docs.flowiseai.com/integrations/langchain/document-loaders/firecrawl.md): Load data from URL using FireCrawl. - [Folder](https://docs.flowiseai.com/integrations/langchain/document-loaders/folder.md) - [GitBook](https://docs.flowiseai.com/integrations/langchain/document-loaders/gitbook.md): Load data from GitBook. - [Github](https://docs.flowiseai.com/integrations/langchain/document-loaders/github.md): Load data from a GitHub repository. - [Google Drive](https://docs.flowiseai.com/integrations/langchain/document-loaders/google-drive.md) - [Google Sheets](https://docs.flowiseai.com/integrations/langchain/document-loaders/google-sheets.md) - [Jira](https://docs.flowiseai.com/integrations/langchain/document-loaders/jira.md) - [Json File](https://docs.flowiseai.com/integrations/langchain/document-loaders/json-file.md): Load data from JSON files. - [Json Lines File](https://docs.flowiseai.com/integrations/langchain/document-loaders/jsonlines.md) - [Microsoft Excel](https://docs.flowiseai.com/integrations/langchain/document-loaders/microsoft-excel.md) - [Microsoft Powerpoint](https://docs.flowiseai.com/integrations/langchain/document-loaders/microsoft-powerpoint.md) - [Microsoft Word](https://docs.flowiseai.com/integrations/langchain/document-loaders/microsoft-word.md) - [Notion](https://docs.flowiseai.com/integrations/langchain/document-loaders/notion.md) - [Oxylabs](https://docs.flowiseai.com/integrations/langchain/document-loaders/oxylabs.md): Get data from any website with Oxylabs. - [PDF Files](https://docs.flowiseai.com/integrations/langchain/document-loaders/pdf-file.md) - [Plain Text](https://docs.flowiseai.com/integrations/langchain/document-loaders/plain-text.md) - [Playwright Web Scraper](https://docs.flowiseai.com/integrations/langchain/document-loaders/playwright-web-scraper.md) - [Puppeteer Web Scraper](https://docs.flowiseai.com/integrations/langchain/document-loaders/puppeteer-web-scraper.md) - [S3 File Loader](https://docs.flowiseai.com/integrations/langchain/document-loaders/s3-file-loader.md) - [SearchApi For Web Search](https://docs.flowiseai.com/integrations/langchain/document-loaders/searchapi-for-web-search.md): Load data from real-time search results. - [SerpApi For Web Search](https://docs.flowiseai.com/integrations/langchain/document-loaders/serpapi-for-web-search.md): Load and process data from web search results. - [Spider - web search & crawler](https://docs.flowiseai.com/integrations/langchain/document-loaders/spider-web-scraper-crawler.md): Scrape & Crawl the web with Spider - the fastest open source web scraper & crawler. - [Text File](https://docs.flowiseai.com/integrations/langchain/document-loaders/text-file.md): Load data from text files. - [Unstructured File Loader](https://docs.flowiseai.com/integrations/langchain/document-loaders/unstructured-file-loader.md): Use Unstructured.io to load data from a file path. - [Unstructured Folder Loader](https://docs.flowiseai.com/integrations/langchain/document-loaders/unstructured-folder-loader.md): Use Unstructured.io to load data from a folder. Note: Currently doesn't support .png and .heic until unstructured is updated. - [Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings.md): LangChain Embedding Nodes - [AWS Bedrock Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/aws-bedrock-embeddings.md): AWSBedrock embedding models to generate embeddings for a given text. - [Azure OpenAI Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/azure-openai-embeddings.md) - [Cohere Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/cohere-embeddings.md): Cohere API to generate embeddings for a given text - [Google GenerativeAI Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/googlegenerativeai-embeddings.md): Google Generative API to generate embeddings for a given text. - [Google VertexAI Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/googlevertexai-embeddings.md): Google vertexAI API to generate embeddings for a given text. - [HuggingFace Inference Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/huggingface-inference-embeddings.md): HuggingFace Inference API to generate embeddings for a given text. - [LocalAI Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/localai-embeddings.md) - [MistralAI Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/mistralai-embeddings.md): MistralAI API to generate embeddings for a given text. - [Ollama Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/ollama-embeddings.md): Generate embeddings for a given text using open source model on Ollama. - [OpenAI Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/openai-embeddings.md): OpenAI API to generate embeddings for a given text. - [OpenAI Embeddings Custom](https://docs.flowiseai.com/integrations/langchain/embeddings/openai-embeddings-custom.md): OpenAI API to generate embeddings for a given text. - [TogetherAI Embedding](https://docs.flowiseai.com/integrations/langchain/embeddings/togetherai-embedding.md): TogetherAI Embedding models to generate embeddings for a given text. - [VoyageAI Embeddings](https://docs.flowiseai.com/integrations/langchain/embeddings/voyageai-embeddings.md): Voyage AI API to generate embeddings for a given text. - [LLMs](https://docs.flowiseai.com/integrations/langchain/llms.md): LangChain LLM Nodes - [AWS Bedrock](https://docs.flowiseai.com/integrations/langchain/llms/aws-bedrock.md): Wrapper around AWS Bedrock large language models. - [Azure OpenAI](https://docs.flowiseai.com/integrations/langchain/llms/azure-openai.md): Wrapper around Azure OpenAI large language models. - [Cohere](https://docs.flowiseai.com/integrations/langchain/llms/cohere.md): Wrapper around Cohere large language models. - [GoogleVertex AI](https://docs.flowiseai.com/integrations/langchain/llms/googlevertex-ai.md): Wrapper around GoogleVertexAI large language models. - [HuggingFace Inference](https://docs.flowiseai.com/integrations/langchain/llms/huggingface-inference.md): Wrapper around HuggingFace large language models. - [Ollama](https://docs.flowiseai.com/integrations/langchain/llms/ollama.md): Wrapper around open source large language models on Ollama. - [OpenAI](https://docs.flowiseai.com/integrations/langchain/llms/openai.md): Wrapper around OpenAI large language models. - [Replicate](https://docs.flowiseai.com/integrations/langchain/llms/replicate.md): Use Replicate to run open source models on cloud. - [Memory](https://docs.flowiseai.com/integrations/langchain/memory.md): LangChain Memory Nodes - [Buffer Memory](https://docs.flowiseai.com/integrations/langchain/memory/buffer-memory.md) - [Buffer Window Memory](https://docs.flowiseai.com/integrations/langchain/memory/buffer-window-memory.md) - [Conversation Summary Memory](https://docs.flowiseai.com/integrations/langchain/memory/conversation-summary-memory.md) - [Conversation Summary Buffer Memory](https://docs.flowiseai.com/integrations/langchain/memory/conversation-summary-buffer-memory.md) - [DynamoDB Chat Memory](https://docs.flowiseai.com/integrations/langchain/memory/dynamodb-chat-memory.md): Stores the conversation in dynamo db table. - [MongoDB Atlas Chat Memory](https://docs.flowiseai.com/integrations/langchain/memory/mongodb-atlas-chat-memory.md): Stores the conversation in MongoDB Atlas. - [Redis-Backed Chat Memory](https://docs.flowiseai.com/integrations/langchain/memory/redis-backed-chat-memory.md): Summarizes the conversation and stores the memory in Redis server. - [Upstash Redis-Backed Chat Memory](https://docs.flowiseai.com/integrations/langchain/memory/upstash-redis-backed-chat-memory.md): Summarizes the conversation and stores the memory in Upstash Redis server. - [Zep Memory](https://docs.flowiseai.com/integrations/langchain/memory/zep-memory.md) - [Moderation](https://docs.flowiseai.com/integrations/langchain/moderation.md): LangChain Moderation Nodes - [OpenAI Moderation](https://docs.flowiseai.com/integrations/langchain/moderation/openai-moderation.md): Check whether content complies with OpenAI usage policies. - [Simple Prompt Moderation](https://docs.flowiseai.com/integrations/langchain/moderation/simple-prompt-moderation.md): Check whether input consists of any text from Deny list, and prevent being sent to LLM. - [Output Parsers](https://docs.flowiseai.com/integrations/langchain/output-parsers.md): LangChain Output Parser Nodes - [CSV Output Parser](https://docs.flowiseai.com/integrations/langchain/output-parsers/csv-output-parser.md): Parse the output of an LLM call as a comma-separated list of values. - [Custom List Output Parser](https://docs.flowiseai.com/integrations/langchain/output-parsers/custom-list-output-parser.md): Parse the output of an LLM call as a list of values. - [Structured Output Parser](https://docs.flowiseai.com/integrations/langchain/output-parsers/structured-output-parser.md): Parse the output of an LLM call into a given (JSON) structure. - [Advanced Structured Output Parser](https://docs.flowiseai.com/integrations/langchain/output-parsers/advanced-structured-output-parser.md): Parse the output of an LLM call into a given structure by providing a Zod schema. - [Prompts](https://docs.flowiseai.com/integrations/langchain/prompts.md): LangChain Prompt Nodes - [Chat Prompt Template](https://docs.flowiseai.com/integrations/langchain/prompts/chat-prompt-template.md): Schema to represent a chat prompt. - [Few Shot Prompt Template](https://docs.flowiseai.com/integrations/langchain/prompts/few-shot-prompt-template.md): Prompt template you can build with examples. - [Prompt Template](https://docs.flowiseai.com/integrations/langchain/prompts/prompt-template.md): Schema to represent a basic prompt for an LLM. - [Record Managers](https://docs.flowiseai.com/integrations/langchain/record-managers.md): LangChain Record Manager Nodes - [Retrievers](https://docs.flowiseai.com/integrations/langchain/retrievers.md): LangChain Retriever Nodes - [Extract Metadata Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/extract-metadata-retriever.md) - [Custom Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/custom-retriever.md): Custom Retriever allows user to specify the format of the context to LLM - [Cohere Rerank Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/cohere-rerank-retriever.md): Cohere Rerank indexes the documents from most to least semantically relevant to the query. - [Embeddings Filter Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/embeddings-filter-retriever.md): A document compressor that uses embeddings to drop documents unrelated to the query. - [HyDE Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/hyde-retriever.md): Use HyDE retriever to retrieve from a vector store. - [LLM Filter Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/llm-filter-retriever.md): Iterate over the initially returned documents and extract, from each, only the content that is relevant to the query. - [Multi Query Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/multi-query-retriever.md): Generate multiple queries from different perspectives for a given user input query. - [Prompt Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/prompt-retriever.md): Store prompt template with name & description to be later queried by MultiPromptChain. - [Reciprocal Rank Fusion Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/reciprocal-rank-fusion-retriever.md): Reciprocal Rank Fusion to re-rank search results by multiple query generation. - [Similarity Score Threshold Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/similarity-score-threshold-retriever.md): Return results based on the minimum similarity percentage. - [Vector Store Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/vector-store-retriever.md): Store vector store as retriever to be later queried by MultiRetrievalQAChain. - [Voyage AI Rerank Retriever](https://docs.flowiseai.com/integrations/langchain/retrievers/page.md): Voyage AI Rerank indexes the documents from most to least semantically relevant to the query. - [Text Splitters](https://docs.flowiseai.com/integrations/langchain/text-splitters.md): LangChain Text Splitter Nodes - [Character Text Splitter](https://docs.flowiseai.com/integrations/langchain/text-splitters/character-text-splitter.md): Splits only on one type of character (defaults to "\n\n"). - [Code Text Splitter](https://docs.flowiseai.com/integrations/langchain/text-splitters/code-text-splitter.md): Split documents based on language-specific syntax. - [Html-To-Markdown Text Splitter](https://docs.flowiseai.com/integrations/langchain/text-splitters/html-to-markdown-text-splitter.md): Converts Html to Markdown and then split your content into documents based on the Markdown headers. - [Markdown Text Splitter](https://docs.flowiseai.com/integrations/langchain/text-splitters/markdown-text-splitter.md): Split your content into documents based on the Markdown headers. - [Recursive Character Text Splitter](https://docs.flowiseai.com/integrations/langchain/text-splitters/recursive-character-text-splitter.md): Split documents recursively by different characters - starting with "\n\n", then "\n", then " ". - [Token Text Splitter](https://docs.flowiseai.com/integrations/langchain/text-splitters/token-text-splitter.md): Splits a raw text string by first converting the text into BPE tokens, then split these tokens into chunks and convert the tokens within a single chunk back into text. - [Tools](https://docs.flowiseai.com/integrations/langchain/tools.md): LangChain Tool Nodes - [BraveSearch API](https://docs.flowiseai.com/integrations/langchain/tools/bravesearch-api.md): Wrapper around BraveSearch API - a real-time API to access Brave search results. - [Browserless MCP](https://docs.flowiseai.com/integrations/langchain/tools/browserless-mcp.md): MCP Server for Browserless - scrape pages, take screenshots, generate PDFs, and more - [Calculator](https://docs.flowiseai.com/integrations/langchain/tools/calculator.md): Perform calculations on response. - [Chain Tool](https://docs.flowiseai.com/integrations/langchain/tools/chain-tool.md): Use a chain as allowed tool for agent. - [Chatflow Tool](https://docs.flowiseai.com/integrations/langchain/tools/chatflow-tool.md): Execute another chatflow and get the response. - [Code Interpreter by E2B](https://docs.flowiseai.com/integrations/langchain/tools/python-interpreter.md) - [Custom Tool](https://docs.flowiseai.com/integrations/langchain/tools/custom-tool.md) - [Exa Search](https://docs.flowiseai.com/integrations/langchain/tools/exa-search.md): Wrapper around Exa Search API - search engine fully designed for use by LLMs. - [Gmail](https://docs.flowiseai.com/integrations/langchain/tools/gmail.md) - [Google Calendar](https://docs.flowiseai.com/integrations/langchain/tools/google-calendar.md) - [Google Custom Search](https://docs.flowiseai.com/integrations/langchain/tools/google-custom-search.md): Wrapper around Google Custom Search API - a real-time API to access Google search results. - [Google Drive](https://docs.flowiseai.com/integrations/langchain/tools/google-drive.md) - [Google Sheets](https://docs.flowiseai.com/integrations/langchain/tools/google-sheets.md) - [Microsoft Outlook](https://docs.flowiseai.com/integrations/langchain/tools/microsoft-outlook.md) - [Microsoft Teams](https://docs.flowiseai.com/integrations/langchain/tools/microsoft-teams.md) - [OpenAPI Toolkit](https://docs.flowiseai.com/integrations/langchain/tools/openapi-toolkit.md): Load OpenAPI specification. - [Pipedream MCP](https://docs.flowiseai.com/integrations/langchain/tools/pipedream-mcp-user-guide.md) - [Read File](https://docs.flowiseai.com/integrations/langchain/tools/read-file.md): Read file from disk. - [Request Get](https://docs.flowiseai.com/integrations/langchain/tools/request-get.md): Execute HTTP GET requests. - [Request Post](https://docs.flowiseai.com/integrations/langchain/tools/request-post.md): Execute HTTP POST requests. - [Retriever Tool](https://docs.flowiseai.com/integrations/langchain/tools/retriever-tool.md): Use a retriever as allowed tool for agent. - [SearchApi](https://docs.flowiseai.com/integrations/langchain/tools/searchapi.md): Real-time API for accessing Google Search data. - [SearXNG](https://docs.flowiseai.com/integrations/langchain/tools/searxng.md): Wrapper around SearXNG - a free internet metasearch engine. - [Serp API](https://docs.flowiseai.com/integrations/langchain/tools/serp-api.md): Wrapper around SerpAPI - a real-time API to access Google search results. - [Serper](https://docs.flowiseai.com/integrations/langchain/tools/serper.md): Wrapper around Serper.dev - Google Search API. - [Slack MCP](https://docs.flowiseai.com/integrations/langchain/tools/pipedream-mcp-user-guide-1.md) - [Tavily](https://docs.flowiseai.com/integrations/langchain/tools/tavily-ai.md): Wrapper around TavilyAI API - real-time, accurate search results tailored for LLMs and RAG. - [Web Browser](https://docs.flowiseai.com/integrations/langchain/tools/web-browser.md): Gives agent the ability to visit a website and extract information. - [Write File](https://docs.flowiseai.com/integrations/langchain/tools/write-file.md): Write file to disk. - [Vector Stores](https://docs.flowiseai.com/integrations/langchain/vector-stores.md): LangChain Vector Store Nodes - [AstraDB](https://docs.flowiseai.com/integrations/langchain/vector-stores/astradb.md) - [Chroma](https://docs.flowiseai.com/integrations/langchain/vector-stores/chroma.md) - [Couchbase](https://docs.flowiseai.com/integrations/langchain/vector-stores/couchbase.md): Upsert embedded data and perform vector search upon query using Couchbase, a NoSQL cloud developer data platform for critical, AI-powered applications. - [Elastic](https://docs.flowiseai.com/integrations/langchain/vector-stores/elastic.md) - [Faiss](https://docs.flowiseai.com/integrations/langchain/vector-stores/faiss.md): Upsert embedded data and perform similarity search using the Faiss library from Meta. - [In-Memory Vector Store](https://docs.flowiseai.com/integrations/langchain/vector-stores/in-memory-vector-store.md): In-memory vectorstore that stores embeddings and does an exact, linear search for the most similar embeddings. - [Milvus](https://docs.flowiseai.com/integrations/langchain/vector-stores/milvus.md): Upsert embedded data and perform similarity search upon query using Milvus, world's most advanced open-source vector database. - [MongoDB Atlas](https://docs.flowiseai.com/integrations/langchain/vector-stores/mongodb-atlas.md): Upsert embedded data and perform similarity or mmr search upon query using MongoDB Atlas, a managed cloud mongodb database. - [OpenSearch](https://docs.flowiseai.com/integrations/langchain/vector-stores/opensearch.md): Upsert embedded data and perform similarity search upon query using OpenSearch, an open-source, all-in-one vector database. - [Pinecone](https://docs.flowiseai.com/integrations/langchain/vector-stores/pinecone.md): Upsert embedded data and perform similarity search upon query using Pinecone, a leading fully managed hosted vector database. - [Postgres](https://docs.flowiseai.com/integrations/langchain/vector-stores/postgres.md): Upsert embedded data and perform similarity search upon query using pgvector on Postgres. - [Qdrant](https://docs.flowiseai.com/integrations/langchain/vector-stores/qdrant.md) - [Redis](https://docs.flowiseai.com/integrations/langchain/vector-stores/redis.md) - [SingleStore](https://docs.flowiseai.com/integrations/langchain/vector-stores/singlestore.md) - [Supabase](https://docs.flowiseai.com/integrations/langchain/vector-stores/supabase.md) - [Upstash Vector](https://docs.flowiseai.com/integrations/langchain/vector-stores/upstash-vector.md) - [Vectara](https://docs.flowiseai.com/integrations/langchain/vector-stores/vectara.md) - [Weaviate](https://docs.flowiseai.com/integrations/langchain/vector-stores/weaviate.md): Upsert embedded data and perform similarity or mmr search using Weaviate, a scalable open-source vector database. - [Zep Collection - Open Source](https://docs.flowiseai.com/integrations/langchain/vector-stores/zep-collection-open-source.md): Upsert embedded data and perform similarity or mmr search upon query using Zep, a fast and scalable building block for LLM apps. - [Zep Collection - Cloud](https://docs.flowiseai.com/integrations/langchain/vector-stores/zep-collection-cloud.md): Upsert embedded data and perform similarity or mmr search upon query using Zep, a fast and scalable building block for LLM apps. - [LiteLLM Proxy](https://docs.flowiseai.com/integrations/litellm.md): Learn how Flowise integrates with LiteLLM Proxy - [LlamaIndex](https://docs.flowiseai.com/integrations/llamaindex.md): Learn how Flowise integrates with the LlamaIndex framework - [Agents](https://docs.flowiseai.com/integrations/llamaindex/agents.md): LlamaIndex Agent Nodes - [OpenAI Tool Agent](https://docs.flowiseai.com/integrations/llamaindex/agents/openai-tool-agent.md): Agent that uses OpenAI Function Calling to pick the tools and args to call using LlamaIndex. - [Anthropic Tool Agent](https://docs.flowiseai.com/integrations/llamaindex/agents/openai-tool-agent-1.md): Agent that uses Anthropic Function Calling to pick the tools and args to call using LlamaIndex. - [Chat Models](https://docs.flowiseai.com/integrations/llamaindex/chat-models.md): LlamaIndex Chat Model Nodes - [AzureChatOpenAI](https://docs.flowiseai.com/integrations/llamaindex/chat-models/azurechatopenai.md): Wrapper around Azure OpenAI Chat LLM specific for LlamaIndex. - [ChatAnthropic](https://docs.flowiseai.com/integrations/llamaindex/chat-models/chatanthropic.md): Wrapper around ChatAnthropic LLM specific for LlamaIndex. - [ChatMistral](https://docs.flowiseai.com/integrations/llamaindex/chat-models/chatmistral.md): Wrapper around ChatMistral LLM specific for LlamaIndex. - [ChatOllama](https://docs.flowiseai.com/integrations/llamaindex/chat-models/chatollama.md): Wrapper around ChatOllama LLM specific for LlamaIndex. - [ChatOpenAI](https://docs.flowiseai.com/integrations/llamaindex/chat-models/chatopenai.md): Wrapper around OpenAI Chat LLM specific for LlamaIndex. - [ChatTogetherAI](https://docs.flowiseai.com/integrations/llamaindex/chat-models/chattogetherai.md): Wrapper around ChatTogetherAI LLM specific for LlamaIndex. - [ChatGroq](https://docs.flowiseai.com/integrations/llamaindex/chat-models/chatgroq.md): Wrapper around Groq LLM specific for LlamaIndex. - [Embeddings](https://docs.flowiseai.com/integrations/llamaindex/embeddings.md): LlamaIndex Embeddings Nodes - [Azure OpenAI Embeddings](https://docs.flowiseai.com/integrations/llamaindex/embeddings/azure-openai-embeddings.md): Azure OpenAI API embeddings specific for LlamaIndex. - [OpenAI Embedding](https://docs.flowiseai.com/integrations/llamaindex/embeddings/openai-embedding.md): OpenAI Embedding specific for LlamaIndex. - [Engine](https://docs.flowiseai.com/integrations/llamaindex/engine.md): LlamaIndex Engine Nodes - [Query Engine](https://docs.flowiseai.com/integrations/llamaindex/engine/query-engine.md) - [Simple Chat Engine](https://docs.flowiseai.com/integrations/llamaindex/engine/simple-chat-engine.md) - [Context Chat Engine](https://docs.flowiseai.com/integrations/llamaindex/engine/context-chat-engine.md) - [Sub-Question Query Engine](https://docs.flowiseai.com/integrations/llamaindex/engine/sub-question-query-engine.md) - [Response Synthesizer](https://docs.flowiseai.com/integrations/llamaindex/response-synthesizer.md): LlamaIndex Response Synthesizer Nodes - [Refine](https://docs.flowiseai.com/integrations/llamaindex/response-synthesizer/refine.md) - [Compact And Refine](https://docs.flowiseai.com/integrations/llamaindex/response-synthesizer/compact-and-refine.md) - [Simple Response Builder](https://docs.flowiseai.com/integrations/llamaindex/response-synthesizer/simple-response-builder.md) - [Tree Summarize](https://docs.flowiseai.com/integrations/llamaindex/response-synthesizer/tree-summarize.md) - [Tools](https://docs.flowiseai.com/integrations/llamaindex/tools.md): LlamaIndex Agent Nodes - [Query Engine Tool](https://docs.flowiseai.com/integrations/llamaindex/tools/query-engine-tool.md) - [Vector Stores](https://docs.flowiseai.com/integrations/llamaindex/vector-stores.md): LlamaIndex Vector Store Nodes - [Pinecone](https://docs.flowiseai.com/integrations/llamaindex/vector-stores/pinecone.md): Upsert embedded data and perform similarity search upon query using Pinecone, a leading fully managed hosted vector database. - [SimpleStore](https://docs.flowiseai.com/integrations/llamaindex/vector-stores/queryengine-tool.md): Upsert embedded data to local path and perform similarity search. - [Utilities](https://docs.flowiseai.com/integrations/utilities.md): Learn how to use Flowise utility nodes - [Custom JS Function](https://docs.flowiseai.com/integrations/utilities/custom-js-function.md): Execute custom javascript function. - [Set/Get Variable](https://docs.flowiseai.com/integrations/utilities/set-get-variable.md) - [If Else](https://docs.flowiseai.com/integrations/utilities/if-else.md) - [Sticky Note](https://docs.flowiseai.com/integrations/utilities/sticky-note.md): Add a sticky note to the flow. - [External Integrations](https://docs.flowiseai.com/integrations/3rd-party-platform-integration.md): Learn how to integrate Flowise with third-party platforms - [Zapier Zaps](https://docs.flowiseai.com/integrations/3rd-party-platform-integration/zapier-zaps.md): Learn how to integrate Flowise and Zapier - [Open WebUI](https://docs.flowiseai.com/integrations/3rd-party-platform-integration/open-webui.md) - [Streamlit](https://docs.flowiseai.com/integrations/3rd-party-platform-integration/streamlit.md) - [Migration Guide](https://docs.flowiseai.com/migration-guide.md): Learn about legacy versions of Flowise - [Cloud Migration](https://docs.flowiseai.com/migration-guide/cloud-migration.md) - [v1.3.0 Migration Guide](https://docs.flowiseai.com/migration-guide/v1.3.0-migration-guide.md): In v1.3.0, we introduced Credentials - [v1.4.3 Migration Guide](https://docs.flowiseai.com/migration-guide/v1.4.3-migration-guide.md): In v1.4.3, we introduced a unified Vector Store node - [v2.1.4 Migration Guide](https://docs.flowiseai.com/migration-guide/v2.1.4-migration-guide.md) - [Tutorials](https://docs.flowiseai.com/tutorials.md) - [RAG](https://docs.flowiseai.com/tutorials/rag.md) - [Agentic RAG](https://docs.flowiseai.com/tutorials/agentic-rag.md) - [SQL Agent](https://docs.flowiseai.com/tutorials/sql-agent.md) - [Agent as Tool](https://docs.flowiseai.com/tutorials/agent-as-tool.md) - [Interacting with API](https://docs.flowiseai.com/tutorials/interacting-with-api.md) - [Tools & MCP](https://docs.flowiseai.com/tutorials/tools-and-mcp.md) - [Structured Output](https://docs.flowiseai.com/tutorials/structured-output.md) - [Human In The Loop](https://docs.flowiseai.com/tutorials/human-in-the-loop.md) - [Deep Research](https://docs.flowiseai.com/tutorials/deep-research.md) - [Customer Support](https://docs.flowiseai.com/tutorials/customer-support.md) - [Supervisor and Workers](https://docs.flowiseai.com/tutorials/supervisor-and-workers.md) ## Español - [Introduction](https://docs.flowiseai.com/espanol/readme.md): Bienvenido a la documentación oficial de Flowise - [Parte 1: Introducción](https://docs.flowiseai.com/espanol/partes/parte-1-introduccion.md) - [Recursos](https://docs.flowiseai.com/espanol/partes/parte-1-introduccion/recursos.md) - [Parte 2: Chains Avanzadas](https://docs.flowiseai.com/espanol/partes/parte-2-chains-avanzadas.md) - [Desafío 1: Traductor de Lenguas Antiguas](https://docs.flowiseai.com/espanol/partes/parte-2-chains-avanzadas/desafio-1-traductor-de-lenguas-antiguas.md) - [Parte 3: Gestión de Documentos y Memoria](https://docs.flowiseai.com/espanol/partes/parte-3-gestion-de-documentos-y-memoria.md) - [Desafío 2: Chatbot Nikola Tesla](https://docs.flowiseai.com/espanol/partes/parte-3-gestion-de-documentos-y-memoria/desafio-2-chatbot-nikola-tesla.md) - [Parte 4: Despliegue y API](https://docs.flowiseai.com/espanol/partes/parte-4-despliegue-y-api.md) - [Parte 5: Introducción a Agentes](https://docs.flowiseai.com/espanol/partes/parte-5-introduccion-a-agentes.md) - [Desafíos](https://docs.flowiseai.com/espanol/partes/parte-5-introduccion-a-agentes/desafios.md) - [Parte 6: Agentes Avanzados](https://docs.flowiseai.com/espanol/partes/parte-6-agentes-avanzados.md) - [Desafíos](https://docs.flowiseai.com/espanol/partes/parte-6-agentes-avanzados/desafios.md) - [Parte 7: Multi-Agentes](https://docs.flowiseai.com/espanol/partes/parte-7-multi-agentes.md) - [Desafíos](https://docs.flowiseai.com/espanol/partes/parte-7-multi-agentes/desafios.md) - [Parte 8: AgentFlows](https://docs.flowiseai.com/espanol/partes/parte-8-agentflows.md) - [Desafíos](https://docs.flowiseai.com/espanol/partes/parte-8-agentflows/desafios.md) - [Parte 9: Agentes Secuenciales](https://docs.flowiseai.com/espanol/partes/parte-9-agentes-secuenciales.md) - [Desafíos](https://docs.flowiseai.com/espanol/partes/parte-9-agentes-secuenciales/desafios.md) - [Parte 10: Sequential Agents Avanzados](https://docs.flowiseai.com/espanol/partes/parte-10-sequential-agents-avanzados.md) - [Enlaces Útiles](https://docs.flowiseai.com/espanol/recursos/enlaces-utiles.md) - [Documentación Oficial](https://docs.flowiseai.com/espanol/recursos/documentacion-oficial.md) - [Ejemplos de Código](https://docs.flowiseai.com/espanol/recursos/ejemplos-de-codigo.md) - [Mejores Prácticas](https://docs.flowiseai.com/espanol/recursos/mejores-practicas.md) - [Primeros Pasos](https://docs.flowiseai.com/espanol/documentacion-oficial/primeros-pasos.md) - [Guía de Contribución](https://docs.flowiseai.com/espanol/documentacion-oficial/contribucion.md): Aprende cómo contribuir a este proyecto - [Building Node](https://docs.flowiseai.com/espanol/documentacion-oficial/contribucion/building-node.md) - [Referencia de API](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api.md) - [Assistants](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/assistants.md) - [Attachments](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/attachments.md) - [Chat Message](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/chat-message.md) - [Chatflows](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/chatflows.md) - [Document Store](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/document-store.md) - [Feedback](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/feedback.md) - [Leads](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/leads.md) - [Ping](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/ping.md) - [Prediction](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/prediction.md) - [Tools](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/tools.md) - [Upsert History](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/upsert-history.md) - [Variables](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/variables.md) - [Vector Upsert](https://docs.flowiseai.com/espanol/documentacion-oficial/referencia-api/vector-upsert.md) - [Usar Flowise](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise.md): Aprende sobre algunas funcionalidades principales integradas en Flowise - [Agentflows](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/agentflows.md): Aprende cómo construir sistemas agénticos en Flowise - [Multi-Agents](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/agentflows/multi-agents.md): Aprende cómo usar Multi-Agents en Flowise, escrito por @toi500 - [Sequential Agents](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/agentflows/sequential-agents.md): Aprende los Fundamentos de Sequential Agents en Flowise, escrito por @toi500 - [Tutoriales en Video](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/agentflows/sequential-agents/tutoriales-video.md): Aprende Sequential Agents de la Comunidad - [API](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/api.md) - [Analytic](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/analytic.md): Aprende cómo analizar y solucionar problemas en tus flujos de chat y flujos de agentes - [Almacenes de Documentos](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/almacenes-documentos.md): Aprende cómo usar los Document Stores de Flowise, escrito por @toi500 - [Embed](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/embed.md): Learn how to customize and embed our chat widget - [Monitoring](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/monitoring.md) - [Streaming](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/streaming.md): Aprende cómo funciona el streaming en Flowise - [Telemetry](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/telemetry.md): Aprende cómo Flowise recopila información anónima del uso de la aplicación - [Subidas](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/subidas.md): Aprende cómo subir imágenes, audio y otros archivos - [Variables](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/variables.md): Aprende cómo usar variables en Flowise - [Workspaces](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/workspaces.md) - [Evaluaciones](https://docs.flowiseai.com/espanol/documentacion-oficial/usar-flowise/evaluaciones.md) - [Configuración](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion.md): Aprende cómo configurar y ejecutar instancias de Flowise - [Auth](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/autorizacion.md): Aprende cómo asegurar tus instancias de Flowise - [Nivel de App](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/autorizacion/nivel-app.md): Aprende cómo configurar el control de acceso a nivel de aplicación para tus instancias de Flowise - [Nivel de Chatflow](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/autorizacion/nivel-chatflow.md): Aprende cómo configurar el control de acceso a nivel de chatflow para tus instancias de Flowise - [Databases](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/databases.md): Aprende cómo conectar tu instancia de Flowise a una database - [Deployment](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment.md): Aprende cómo hacer deployment de Flowise a la cloud - [AWS](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/aws.md): Learn how to deploy Flowise on AWS - [Azure](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/azure.md): Learn how to deploy Flowise on Azure - [Digital Ocean](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/digital-ocean.md): Learn how to deploy Flowise on Digital Ocean - [GCP](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/gcp.md): Learn how to deploy Flowise on GCP - [Hugging Face](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/hugging-face.md): Aprende cómo hacer deployment de Flowise en Hugging Face - [Railway](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/railway.md): Learn how to deploy Flowise on Railway - [Render](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/render.md): Learn how to deploy Flowise on Render - [Replit](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/replit.md): Aprende cómo hacer deployment de Flowise en Replit - [Sealos](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/sealos.md): Learn how to deploy Flowise on Sealos - [Zeabur](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/deployment/zeabur.md): Learn how to deploy Flowise on Zeabur - [Variables de Entorno](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/variables-entorno.md): Aprende cómo configurar las environment variables para Flowise - [Rate Limit](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/rate-limit.md): Aprende cómo gestionar las API requests en Flowise - [Ejecutar Flowise detrás de proxy corporativo](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/ejecutar-detras-proxy.md) - [SSO](https://docs.flowiseai.com/espanol/documentacion-oficial/configuracion/sso.md) - [Integraciones](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones.md): Aprende sobre todas las integraciones / nodes disponibles en Flowise - [LangChain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain.md): Aprende sobre las integraciones disponibles de LangChain en Flowise - [Agents](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents.md): Nodes de Agentes de LangChain - [Airtable Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/airtable-agent.md): Agente utilizado para responder consultas en tablas de Airtable. - [AutoGPT](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/autogpt.md): Agente autónomo con cadena de pensamientos para completar tareas de forma autoguiada. - [BabyAGI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/babyagi.md): Agente Autónomo Orientado a Tareas que crea nuevas tareas y reprioriza la lista de tareas basándose en el objetivo - [CSV Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/csv-agent.md): Agente utilizado para responder consultas sobre datos CSV. - [Conversational Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/conversational-agent.md): Agente conversacional para un modelo de chat. Utilizará prompts específicos para chat. - [Conversational Retrieval Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/conversational-retrieval-agent.md): Deprecating Node. - [MistralAI Tool Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/mistralai-tool-agent.md): Deprecating Node. - [OpenAI Assistant](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/openai-assistant.md): Un agente que utiliza la API de OpenAI Assistant para seleccionar la herramienta y los argumentos a llamar. - [Threads](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/openai-assistant/threads.md) - [OpenAI Function Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/openai-function-agent.md): Deprecating Node. - [OpenAI Tool Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/openai-tool-agent.md): Deprecating Node. - [ReAct Agent Chat](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/react-agent-chat.md) - [ReAct Agent LLM](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/react-agent-llm.md) - [Tool Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/tool-agent.md): Agente que utiliza Function Calling para seleccionar las herramientas y argumentos a llamar. - [XML Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/agents/xml-agent.md): Agente diseñado para LLMs que son buenos en razonamiento/escritura de XML (por ejemplo: Anthropic Claude). - [Cache](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/cache.md): Nodes de Cache de LangChain - [InMemory Cache](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/cache/in-memory-cache.md): Almacena en caché las respuestas del LLM en memoria local, se borrará cuando se reinicie la aplicación. - [InMemory Embedding Cache](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/cache/inmemory-embedding-cache.md): Almacena en caché los Embeddings generados en memoria para evitar tener que recalcularlos. - [Momento Cache](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/cache/momento-cache.md): Almacena en caché las respuestas del LLM usando Momento, un cache distribuido y serverless. - [Redis Cache](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/cache/redis-cache.md): Almacena en caché las respuestas del LLM en Redis, útil para compartir cache entre múltiples procesos o servidores. - [Redis Embeddings Cache](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/cache/redis-embeddings-cache.md): Almacena en caché las respuestas del LLM en Redis, útil para compartir cache entre múltiples procesos o servidores. - [Upstash Redis Cache](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/cache/upstash-redis-cache.md): Almacena en caché las respuestas del LLM en Upstash Redis, datos serverless para Redis y Kafka. - [Chains](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains.md): Nodos de Cadenas LangChain - [GET API Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/get-api-chain.md): Cadena para ejecutar consultas contra una API GET. - [OpenAPI Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/openapi-chain.md): Cadena que selecciona y llama automáticamente a APIs basándose únicamente en una especificación OpenAPI. - [POST API Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/post-api-chain.md): Cadena para ejecutar consultas contra una API POST. - [Conversation Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/conversation-chain.md): Cadena conversacional específica para modelos de chat con memoria. - [Conversational Retrieval QA Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/conversational-retrieval-qa-chain.md) - [LLM Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/llm-chain.md): Cadena para ejecutar consultas contra LLMs. - [Multi Prompt Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/multi-prompt-chain.md): Cadena que selecciona automáticamente un prompt apropiado de múltiples plantillas de prompts. - [Multi Retrieval QA Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/multi-retrieval-qa-chain.md): Cadena QA que selecciona automáticamente un almacén de vectores apropiado de múltiples recuperadores. - [Retrieval QA Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/retrieval-qa-chain.md): Cadena QA para responder una pregunta basada en los documentos recuperados. - [Sql Database Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/sql-database-chain.md): Responde preguntas sobre una base de datos SQL. - [Vectara QA Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/vectara-chain.md) - [VectorDB QA Chain](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chains/vectordb-qa-chain.md): Cadena QA para bases de datos vectoriales. - [Chat Models](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models.md): Nodes de Modelos de Chat de LangChain - [AWS ChatBedrock](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/aws-chatbedrock.md): Wrapper alrededor de los modelos de lenguaje grandes de AWS Bedrock que utilizan el endpoint de Chat. - [Azure ChatOpenAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/azure-chatopenai-1.md) - [NVIDIA NIM](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/nvidia-nim.md) - [ChatAnthropic](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/chatanthropic.md): Wrapper alrededor de los modelos de lenguaje grandes de ChatAnthropic que utilizan el endpoint de Chat. - [ChatCohere](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/chatcohere.md): Wrapper alrededor de los endpoints de Chat de Cohere. - [Chat Fireworks](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/chat-fireworks.md): Wrapper alrededor de los endpoints de Chat de Fireworks. - [ChatGoogleGenerativeAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/google-ai.md) - [Google VertexAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/google-vertexai.md) - [ChatHuggingFace](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/chathuggingface.md): Wrapper alrededor de los modelos de lenguaje grandes de HuggingFace. - [ChatLocalAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/chatlocalai.md) - [ChatMistralAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/mistral-ai.md) - [IBM Watsonx](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/ibm-watsonx.md) - [ChatOllama](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/chatollama.md) - [ChatOpenAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/azure-chatopenai.md) - [ChatTogetherAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/chattogetherai.md): Wrapper alrededor de los modelos de lenguaje grandes de TogetherAI - [GroqChat](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/chat-models/groqchat.md): Wrapper alrededor de la API de Groq con LPU Inference Engine. - [Document Loaders](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders.md): Nodos de Cargadores de Documentos LangChain - [API Loader](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/api-loader.md): Carga datos desde una API. - [Airtable](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/airtable.md): Carga datos desde una tabla de Airtable. - [Apify Website Content Crawler](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/apify-website-content-crawler.md): Carga datos desde el Rastreador de Contenido Web de Apify. - [Cheerio Web Scraper](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/cheerio-web-scraper.md) - [Confluence](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/confluence.md): Carga datos desde un Documento de Confluence - [Csv File](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/csv-file.md): Carga datos desde archivos CSV. - [Custom Document Loader](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/custom-document-loader.md): Función personalizada para cargar documentos. - [Document Store](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/document-store.md): Carga datos desde almacenes de documentos preconfigurados. - [Docx File](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/docx-file.md): Carga datos desde archivos DOCX. - [File Loader](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/file-loader.md) - [Figma](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/figma.md): Carga datos desde un archivo de Figma. - [FireCrawl](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/firecrawl.md): Carga datos desde URL usando FireCrawl. - [Folder with Files](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/folder-with-files.md): Carga datos desde una carpeta con múltiples archivos. - [GitBook](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/gitbook.md): Carga datos desde GitBook. - [Github](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/github.md): Carga datos desde un repositorio de GitHub. - [Json File](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/json-file.md): Carga datos desde archivos JSON. - [Json Lines File](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/json-lines-file.md): Carga datos desde archivos JSON Lines. - [Notion Database](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/notion-database.md): Carga datos desde una base de datos de Notion (cada fila es un documento separado con todas las propiedades como metadatos). - [Notion Folder](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/notion-folder.md): Carga datos desde la carpeta exportada y descomprimida de Notion. - [Notion Page](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/notion-page.md): Carga datos desde una página de Notion (incluyendo páginas hijas como documentos separados). - [PDF Files](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/pdf-file.md) - [Plain Text](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/plain-text.md): Carga datos desde texto plano. - [Playwright Web Scraper](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/playwright-web-scraper.md) - [Puppeteer Web Scraper](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/puppeteer-web-scraper.md) - [S3 File Loader](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/s3-file-loader.md) - [SearchApi For Web Search](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/searchapi-for-web-search.md): Carga datos desde resultados de búsqueda en tiempo real. - [SerpApi For Web Search](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/serpapi-for-web-search.md): Carga y procesa datos desde resultados de búsqueda web. - [Spider Web Scraper/Crawler](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/spider-web-scraper-crawler.md): Haz scraping y crawling de la web con Spider - el web scraper y crawler de código abierto más rápido. - [Text File](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/text-file.md): Carga datos desde archivos de texto. - [Unstructured File Loader](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/unstructured-file-loader.md): Usa Unstructured.io para cargar datos desde una ruta de archivo. - [Unstructured Folder Loader](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/unstructured-folder-loader.md): Usa Unstructured.io para cargar datos desde una carpeta. Nota: Actualmente no soporta .png y .heic hasta que unstructured sea actualizado. - [VectorStore To Document](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/document-loaders/vectorstore-to-document.md): Busca documentos con puntuaciones desde vector store. - [Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings.md): Nodos de Embedding de LangChain - [AWS Bedrock Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/aws-bedrock-embeddings.md): Modelos de embedding de AWSBedrock para generar embeddings para un texto dado. - [Azure OpenAI Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/azure-openai-embeddings.md) - [Cohere Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/cohere-embeddings.md): API de Cohere para generar embeddings para un texto dado - [Google GenerativeAI Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/googlegenerativeai-embeddings.md): API de Google Generative para generar embeddings para un texto dado. - [Google VertexAI Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/googlevertexai-embeddings.md): API de Google VertexAI para generar embeddings para un texto dado. - [HuggingFace Inference Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/huggingface-inference-embeddings.md): API de HuggingFace Inference para generar embeddings para un texto dado. - [LocalAI Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/localai-embeddings.md) - [MistralAI Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/mistralai-embeddings.md): API de MistralAI para generar embeddings para un texto dado. - [Ollama Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/ollama-embeddings.md): Genera embeddings para un texto dado usando modelos de código abierto en Ollama. - [OpenAI Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/openai-embeddings.md): API de OpenAI para generar embeddings para un texto dado. - [OpenAI Embeddings Custom](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/openai-embeddings-custom.md): API de OpenAI para generar embeddings para un texto dado. - [TogetherAI Embedding](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/togetherai-embedding.md): Modelos de embedding de TogetherAI para generar embeddings para un texto dado. - [VoyageAI Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/embeddings/voyageai-embeddings.md): API de Voyage AI para generar embeddings para un texto dado. - [LLMs](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms.md): Nodos LLM de LangChain - [AWS Bedrock](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms/aws-bedrock.md): Envoltorio alrededor de los modelos de lenguaje grandes de AWS Bedrock. - [Azure OpenAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms/azure-openai.md): Envoltorio alrededor de los modelos de lenguaje grandes de Azure OpenAI. - [Cohere](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms/cohere.md): Envoltorio alrededor de los modelos de lenguaje grandes de Cohere. - [GoogleVertex AI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms/googlevertex-ai.md): Envoltorio alrededor de los modelos de lenguaje grandes de GoogleVertexAI. - [HuggingFace Inference](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms/huggingface-inference.md): Envoltorio alrededor de los modelos de lenguaje grandes de HuggingFace. - [Ollama](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms/ollama.md): Envoltorio alrededor de modelos de lenguaje grandes de código abierto en Ollama. - [OpenAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms/openai.md): Envoltorio alrededor de los modelos de lenguaje grandes de OpenAI. - [Replicate](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/llms/replicate.md): Usa Replicate para ejecutar modelos de código abierto en la nube. - [Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory.md): Nodos de Memory de LangChain - [Buffer Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/buffer-memory.md) - [Buffer Window Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/buffer-window-memory.md) - [Conversation Summary Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/conversation-summary-memory.md) - [Conversation Summary Buffer Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/conversation-summary-buffer-memory.md) - [DynamoDB Chat Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/dynamodb-chat-memory.md): Almacena la conversación en una tabla de dynamo db. - [MongoDB Atlas Chat Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/mongodb-atlas-chat-memory.md): Almacena la conversación en MongoDB Atlas. - [Redis-Backed Chat Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/redis-backed-chat-memory.md): Resume la conversación y almacena la memoria en el servidor Redis. - [Upstash Redis-Backed Chat Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/upstash-redis-backed-chat-memory.md): Resume la conversación y almacena la memoria en el servidor Upstash Redis. - [Zep Memory](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/memory/zep-memory.md) - [Moderation](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/moderation.md): Nodos de Moderation de LangChain - [OpenAI Moderation](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/moderation/openai-moderation.md): Verifica si el contenido cumple con las políticas de uso de OpenAI. - [Simple Prompt Moderation](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/moderation/simple-prompt-moderation.md): Verifica si la entrada contiene algún texto de la lista de denegación (Deny list) y evita que sea enviado al LLM. - [Output Parsers](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/output-parsers.md): Nodos Output Parser de LangChain - [CSV Output Parser](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/output-parsers/csv-output-parser.md): Analiza la salida de una llamada LLM como una lista de valores separados por comas. - [Custom List Output Parser](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/output-parsers/custom-list-output-parser.md): Analiza la salida de una llamada LLM como una lista de valores. - [Structured Output Parser](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/output-parsers/structured-output-parser.md): Analiza la salida de una llamada LLM en una estructura (JSON) determinada. - [Advanced Structured Output Parser](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/output-parsers/advanced-structured-output-parser.md): Analiza la salida de una llamada LLM en una estructura determinada proporcionando un esquema Zod. - [Prompts](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/prompts.md): Nodos Prompt de LangChain - [Chat Prompt Template](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/prompts/chat-prompt-template.md): Esquema para representar un prompt de chat. - [Few Shot Prompt Template](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/prompts/few-shot-prompt-template.md): Plantilla de prompt que puedes construir con ejemplos. - [Prompt Template](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/prompts/prompt-template.md): Esquema para representar un prompt básico para un LLM. - [Record Managers](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/record-managers.md): Nodos Record Manager de LangChain - [Retrievers](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers.md): Nodos Retriever de LangChain - [Custom Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/custom-retriever.md): Custom Retriever permite al usuario especificar el formato del contexto para el LLM - [Cohere Rerank Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/cohere-rerank-retriever.md): Cohere Rerank indexa los documentos del más al menos semánticamente relevante para la consulta. - [Embeddings Filter Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/embeddings-filter-retriever.md): Un compresor de documentos que utiliza embeddings para descartar documentos no relacionados con la consulta. - [HyDE Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/hyde-retriever.md): Usa el retriever HyDE para recuperar de un vector store. - [LLM Filter Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/llm-filter-retriever.md): Itera sobre los documentos inicialmente devueltos y extrae, de cada uno, solo el contenido que es relevante para la consulta. - [Multi Query Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/multi-query-retriever.md): Genera múltiples consultas desde diferentes perspectivas para una consulta de entrada del usuario. - [Prompt Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/prompt-retriever.md): Almacena plantillas de prompt con nombre y descripción para ser consultadas posteriormente por MultiPromptChain. - [Reciprocal Rank Fusion Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/reciprocal-rank-fusion-retriever.md): Reciprocal Rank Fusion para reordenar resultados de búsqueda mediante generación múltiple de consultas. - [Similarity Score Threshold Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/similarity-score-threshold-retriever.md): Devuelve resultados basados en el porcentaje mínimo de similitud. - [Vector Store Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/vector-store-retriever.md): Almacena vector store como retriever para ser consultado posteriormente por MultiRetrievalQAChain. - [Voyage AI Rerank Retriever](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/retrievers/page.md): Voyage AI Rerank indexa los documentos del más al menos semánticamente relevante para la consulta. - [Text Splitters](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/text-splitters.md): Nodos Text Splitter de LangChain - [Character Text Splitter](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/text-splitters/character-text-splitter.md): Divide solo en un tipo de carácter (por defecto "\n\n"). - [Code Text Splitter](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/text-splitters/code-text-splitter.md): Divide documentos basándose en la sintaxis específica del lenguaje. - [Html-To-Markdown Text Splitter](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/text-splitters/html-to-markdown-text-splitter.md): Convierte HTML a Markdown y luego divide tu contenido en documentos basándose en los encabezados de Markdown. - [Markdown Text Splitter](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/text-splitters/markdown-text-splitter.md): Divide tu contenido en documentos basándose en los encabezados de Markdown. - [Recursive Character Text Splitter](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/text-splitters/recursive-character-text-splitter.md): Divide documentos recursivamente por diferentes caracteres - comenzando con "\n\n", luego "\n", y finalmente " ". - [Token Text Splitter](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/text-splitters/token-text-splitter.md): Divide una cadena de texto sin procesar primero convirtiendo el texto en tokens BPE, luego divide estos tokens en fragmentos y convierte los tokens dentro de un solo fragmento de vuelta a texto. - [Tools](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools.md): Nodos de Herramientas LangChain - [BraveSearch API](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/bravesearch-api.md): Wrapper alrededor de BraveSearch API - una API en tiempo real para acceder a los resultados de búsqueda de Brave. - [Calculator](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/calculator.md): Realizar cálculos sobre la respuesta. - [Chain Tool](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/chain-tool.md): Usar una chain como herramienta permitida para el agent. - [Chatflow Tool](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/chatflow-tool.md): Ejecutar otro chatflow y obtener la respuesta. - [Custom Tool](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/custom-tool.md) - [Exa Search](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/exa-search.md): Wrapper alrededor de Exa Search API - motor de búsqueda completamente diseñado para uso con LLMs. - [Google Custom Search](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/google-custom-search.md): Wrapper alrededor de Google Custom Search API - una API en tiempo real para acceder a los resultados de búsqueda de Google. - [OpenAPI Toolkit](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/openapi-toolkit.md): Cargar especificación OpenAPI. - [Code Interpreter by E2B](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/python-interpreter.md) - [Read File](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/read-file.md): Leer archivo desde el disco. - [Request Get](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/request-get.md): Ejecutar peticiones HTTP GET. - [Request Post](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/request-post.md): Ejecutar peticiones HTTP POST. - [Retriever Tool](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/retriever-tool.md): Usar un retriever como herramienta permitida para el agent. - [SearchApi](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/searchapi.md): API en tiempo real para acceder a datos de Google Search. - [SearXNG](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/searxng.md): Wrapper alrededor de SearXNG - un motor de metabúsqueda de internet gratuito. - [Serp API](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/serp-api.md): Wrapper alrededor de SerpAPI - una API en tiempo real para acceder a resultados de búsqueda de Google. - [Serper](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/serper.md): Wrapper alrededor de Serper.dev - API de Google Search. - [Web Browser](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/web-browser.md): Proporciona al agent la capacidad de visitar un sitio web y extraer información. - [Write File](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/tools/write-file.md): Escribir archivo en el disco. - [Vector Stores](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores.md): Nodos de Vector Store de LangChain - [AstraDB](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/astradb.md) - [Chroma](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/chroma.md) - [Elastic](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/elastic.md) - [Faiss](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/faiss.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud sobre consultas usando la librería Faiss de Meta. - [In-Memory Vector Store](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/in-memory-vector-store.md): Vector store en memoria que almacena embeddings y realiza una búsqueda lineal exacta para encontrar los embeddings más similares. - [Milvus](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/milvus.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud sobre consultas usando Milvus, la base de datos vectorial de código abierto más avanzada del mundo. - [MongoDB Atlas](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/mongodb-atlas.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud o mmr sobre consultas usando MongoDB Atlas, una base de datos mongodb gestionada en la nube. - [OpenSearch](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/opensearch.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud sobre consultas usando OpenSearch, una base de datos vectorial todo en uno de código abierto. - [Pinecone](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/pinecone.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud sobre consultas usando Pinecone, una base de datos vectorial gestionada líder en el mercado. - [Postgres](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/postgres.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud sobre consultas usando pgvector en Postgres. - [Qdrant](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/qdrant.md) - [Redis](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/redis.md) - [SingleStore](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/singlestore.md) - [Supabase](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/supabase.md) - [Upstash Vector](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/upstash-vector.md) - [Vectara](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/vectara.md) - [Weaviate](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/weaviate.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud o mmr usando Weaviate, una base de datos vectorial escalable de código abierto. - [Zep Collection - Open Source](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/zep-collection-open-source.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud o mmr sobre consultas usando Zep, un bloque de construcción rápido y escalable para aplicaciones LLM. - [Zep Collection - Cloud](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/langchain/vector-stores/zep-collection-cloud.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud o mmr sobre consultas usando Zep, un bloque de construcción rápido y escalable para aplicaciones LLM. - [LiteLLM Proxy](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/litellm.md): Aprende cómo Flowise se integra con LiteLLM Proxy - [LlamaIndex](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex.md): Aprende sobre las integraciones disponibles de LlamaIndex en Flowise - [Agents](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/agents.md): Nodos de Agentes de LlamaIndex - [OpenAI Tool Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/agents/openai-tool-agent.md): Agente que utiliza OpenAI Function Calling para seleccionar las herramientas y argumentos a llamar usando LlamaIndex. - [Anthropic Tool Agent](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/agents/openai-tool-agent-1.md): Agente que utiliza Anthropic Function Calling para seleccionar las herramientas y argumentos a llamar usando LlamaIndex. - [Chat Models](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/chat-models.md): Nodos de Modelos de Chat de LlamaIndex - [AzureChatOpenAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/chat-models/azurechatopenai.md): Wrapper alrededor del Chat LLM de Azure OpenAI específico para LlamaIndex. - [ChatAnthropic](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/chat-models/chatanthropic.md): Wrapper alrededor del LLM ChatAnthropic específico para LlamaIndex. - [ChatMistral](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/chat-models/chatmistral.md): Wrapper alrededor del LLM ChatMistral específico para LlamaIndex. - [ChatOllama](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/chat-models/chatollama.md): Wrapper alrededor del LLM ChatOllama específico para LlamaIndex. - [ChatOpenAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/chat-models/chatopenai.md): Wrapper alrededor del Chat LLM de OpenAI específico para LlamaIndex. - [ChatTogetherAI](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/chat-models/chattogetherai.md): Wrapper alrededor del LLM ChatTogetherAI específico para LlamaIndex. - [ChatGroq](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/chat-models/chatgroq.md): Wrapper alrededor del LLM Groq específico para LlamaIndex. - [Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/embeddings.md): Nodos de Embeddings de LlamaIndex - [Azure OpenAI Embeddings](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/embeddings/azure-openai-embeddings.md): Embeddings de la API de Azure OpenAI específicos para LlamaIndex. - [OpenAI Embedding](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/embeddings/openai-embedding.md): Embedding de OpenAI específico para LlamaIndex. - [Engine](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/engine.md): Nodos de Engine de LlamaIndex - [Query Engine](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/engine/query-engine.md) - [Simple Chat Engine](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/engine/simple-chat-engine.md) - [Context Chat Engine](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/engine/context-chat-engine.md) - [Sub-Question Query Engine](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/engine/sub-question-query-engine.md) - [Response Synthesizer](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/response-synthesizer.md): Nodos Response Synthesizer de LlamaIndex - [Refine](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/response-synthesizer/refine.md) - [Compact And Refine](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/response-synthesizer/compact-and-refine.md) - [Simple Response Builder](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/response-synthesizer/simple-response-builder.md) - [Tree Summarize](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/response-synthesizer/tree-summarize.md) - [Tools](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/tools.md): Nodos Agent de LlamaIndex - [Query Engine Tool](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/tools/query-engine-tool.md) - [Vector Stores](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/vector-stores.md): Nodos Vector Store de LlamaIndex - [Pinecone](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/vector-stores/pinecone.md): Realiza upsert de datos embedidos y ejecuta búsquedas de similitud usando Pinecone, una base de datos vectorial gestionada y alojada líder en el mercado. - [SimpleStore](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/llamaindex/vector-stores/queryengine-tool.md): Realiza upsert de datos embedidos en una ruta local y ejecuta búsquedas de similitud. - [Utilities](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/utilities.md): Aprende sobre las utilidades disponibles en Flowise - [Custom JS Function](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/utilities/custom-js-function.md): Ejecuta una función JavaScript personalizada. - [Set/Get Variable](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/utilities/set-get-variable.md) - [If Else](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/utilities/if-else.md) - [Sticky Note](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/utilities/sticky-note.md): Añade una nota adhesiva al flujo. - [External Integrations](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/3rd-party-platform-integration.md): Aprende sobre las integraciones con plataformas externas disponibles en Flowise - [Zapier Zaps](https://docs.flowiseai.com/espanol/documentacion-oficial/integraciones/3rd-party-platform-integration/zapier-zaps.md): Aprende cómo integrar Flowise y Zapier - [Migration Guide](https://docs.flowiseai.com/espanol/documentacion-oficial/migration-guide.md): Aprende sobre las versiones anteriores de Flowise - [v1.3.0 Migration Guide](https://docs.flowiseai.com/espanol/documentacion-oficial/migration-guide/v1.3.0-migration-guide.md): En v1.3.0, introducimos Credentials - [v1.4.3 Migration Guide](https://docs.flowiseai.com/espanol/documentacion-oficial/migration-guide/v1.4.3-migration-guide.md): En v1.4.3, introducimos un nodo Vector Store unificado - [v2.1.4 Migration Guide](https://docs.flowiseai.com/espanol/documentacion-oficial/migration-guide/v2.1.4-migration-guide.md) - [Use Cases](https://docs.flowiseai.com/espanol/documentacion-oficial/use-cases.md): Aprende a construir tus propias soluciones Flowise a través de ejemplos prácticos - [Calling Children Flows](https://docs.flowiseai.com/espanol/documentacion-oficial/use-cases/calling-children-flows.md): Aprende a usar efectivamente el Chatflow Tool y el Custom Tool - [Calling Webhook](https://docs.flowiseai.com/espanol/documentacion-oficial/use-cases/webhook-tool.md): Aprende cómo llamar a un webhook en Make - [Interacting with API](https://docs.flowiseai.com/espanol/documentacion-oficial/use-cases/interacting-with-api.md): Aprende a usar integraciones de API externas con Flowise - [Multiple Documents QnA](https://docs.flowiseai.com/espanol/documentacion-oficial/use-cases/multiple-documents-qna.md): Aprende cómo consultar múltiples documentos correctamente - [SQL QnA](https://docs.flowiseai.com/espanol/documentacion-oficial/use-cases/sql-qna.md): Aprende cómo consultar datos estructurados - [Upserting Data](https://docs.flowiseai.com/espanol/documentacion-oficial/use-cases/upserting-data.md): Aprende cómo hacer upsert de datos a Vector Stores con Flowise - [Web Scrape QnA](https://docs.flowiseai.com/espanol/documentacion-oficial/use-cases/web-scrape-qna.md): Aprende cómo hacer scraping, upsert y consultas a un sitio web