把 Flowise 的 OpenAI Custom Model 节点接到 Router One
Flowise 是开源的低代码 LLM 应用搭建工具：在画布上把节点连成 Chatflow、Agentflow V2 流程和 Assistants，而它们每一个都要挂一个聊天模型节点。它的 OpenAI 节点封装的是 LangChain JS 的 ChatOpenAI 类，底层是官方 openai Node SDK，所以带有可手填的 Model Name 和 Base Path 字段的 OpenAI Custom Model 节点，可以向任何 OpenAI 兼容端点发送 Chat Completions 请求。把它指向 Router One，一份凭证就能让流程用上目录里的任意聊天模型（GPT、Claude、Gemini、Grok、DeepSeek 系列），每次请求在 Dashboard → Logs 都有成本 Trace。本指南讲清 Flowise 的两个 OpenAI 节点该用哪个、为什么，各字段的准确取值，这个节点在 Chatflow、Agentflow V2 和 Assistants 里分别接在哪里，以及 Document Store 背后的 Embeddings 节点为什么要留在其他供应商。字段名称按 Flowise 3.1.4 核对；3.0.x 和官方文档里这两个节点仍叫 ChatOpenAI Custom 和 ChatOpenAI，BasePath、BaseOptions 也还是连写。
安装 Flowise 并创建专用 Key
Flowise 可以用 npm 或 Docker 运行。README 的快速开始是先 npm install -g flowise，再 npx flowise start，然后在浏览器打开 http://localhost:3000。Node.js 版本方面，README 要求 20.0.0 及以上，而已发布的 flowise 3.1.4 包在 engines 字段里声明的是 node ^24，官方 Dockerfile 也基于 Node 24 构建，所以用 Node 24 两边都满足。Docker 方面，README 给的做法是进入仓库的 docker 目录：把 .env.example 复制为 .env，再运行 docker compose up -d；compose 文件拉取 flowiseai/flowise 镜像并发布 PORT 端口，.env.example 里它的值是 3000。在 Router One 的 Dashboard → API Keys 为这个 Flowise 实例单独创建一把 Key 并设置 maxSpend 消费上限；下一步把它存成 Flowise 凭证。
# Node.js：README 要求 >= 20.0.0；flowise 3.1.4 的 engines 声明为 node ^24 npm install -g flowise npx flowise start # 然后打开 http://localhost:3000 # 或者用 Docker Compose，在 Flowise 仓库的 docker 目录下执行 cp .env.example .env docker compose up -d
把 Key 存成 OpenAI API 凭证
在左侧菜单打开 Credentials，点 Add Credential，选择 OpenAI API，Credential Name 起个名字（例如 router-one），把 Router One Key 填进 OpenAI Api Key。在节点上点 Connect Credential → Create New 打开的是同一个对话框。Flowise 会把第三方 Key 加密后保存为凭证：默认在首次启动时随机生成一把加密密钥，存放在 SECRETKEY_PATH 指向的路径下。如果这把密钥被重新生成或路径变了（例如重建容器时没有带上数据卷），官方文档提醒，已保存的凭证会报 Credentials could not be decrypted。设置 FLOWISE_SECRETKEY_OVERWRITE 可以固定加密密钥，重启后凭证依然可用；官方 compose 文件也把 ~/.flowise 挂载进了容器。OpenAI API 凭证可以建多份，给另一个流程再配一把 Router One Key，只是多加一份凭证。Flowise 自己的 API Keys 页面与此无关：那里的 Key 保护的是 Flowise 的接口，不是模型调用。
PORT=3000 # 固定用于加密凭证的密钥，重建容器后仍能解密已保存的凭证 FLOWISE_SECRETKEY_OVERWRITE=<a-long-random-string-you-keep> # SECRETKEY_PATH=/your_secret_path/.flowise
把 Flowise 配置到 Router One base URL
在画布上点 Add Nodes，展开 Chat Models，拖入 OpenAI Custom Model（3.1 之前叫 ChatOpenAI Custom）。要用这个节点，而不是默认的 OpenAI 节点：默认节点的 Model Name 是一个不能手填的下拉框，选项来自 Flowise 的 models.json，里面是不带前缀的 OpenAI 模型名，默认值是 gpt-4o-mini；Custom 节点的 Model Name 则是文本框，可以直接填 anthropic/claude-sonnet-5 这样的精确目录 ID，前缀也要保留。Connect Credential 选上一步建好的 OpenAI API 凭证。Temperature 默认 0.9，每次请求都会带上。其余字段在 Additional Parameters 里。Streaming 默认开启。Max Tokens 和 Timeout 可选；Timeout 会以毫秒为单位交给 openai SDK，SDK 自身的默认值是 10 分钟。Base Path 填带 /v1 的 https://api.router.one/v1：节点把它作为 configuration.baseURL 交给 LangChain，openai SDK 再在后面拼接 /chat/completions，所以每次调用都是 POST /v1/chat/completions。Base Options 留空；它是一个 JSON 对象，用来追加默认请求头，而 Key 已经通过 Authorization 头发送。把节点连到链或 Agent 上，保存流程，在聊天面板里发一条消息：
# Flowise 3.1.x canvas → Add Nodes → Chat Models → OpenAI Custom Model # (3.0.x and the official docs: ChatOpenAI Custom, with BasePath / BaseOptions) Connect Credential: OpenAI API credential holding sk-your-router-one-key Model Name: <exact-model-id-from-/models> Temperature: 0.9 # Additional Parameters Streaming: on Max Tokens: (optional) Timeout: (optional, milliseconds) Base Path: https://api.router.one/v1 Base Options: (leave empty)
这个节点接在哪里，各处实际发出什么请求
Flowise 里凡是需要语言模型的地方，接的都是 Chat Models 节点，所以同一份 OpenAI Custom Model 配置在各个搭建器里通用。第五到第八行标出的，是会失败、或根本不会到达网关 Chat Completions 端点的几种情况：
| Flowise 里的位置 | 实际发出的请求 | 需要核对什么 |
|---|---|---|
| Chatflow：OpenAI Custom Model → LLM Chain、Conversation Chain | POST https://api.router.one/v1/chat/completions，每条消息一次请求 | 目录里的任意聊天模型；每条消息在 Dashboard → Logs 对应一行 |
| Chatflow：Tool Agent → Tool Calling Chat Model | 每轮迭代一次带 tools 的 Chat Completions 请求；Max Iterations 默认留空，即 15 轮 | 模型详情页标明支持工具调用；在 Additional Parameters 里调小 Max Iterations |
| Agentflow V2：Agent、LLM、Condition Agent 节点 → Model | Model 下拉列出所有 Chat Models 节点，包括 OpenAI Custom Model，选中后它的字段就地展开；每一步或每轮工具调用一次请求 | Agent 节点没有 Max Iterations 字段，Key 上的 maxSpend 才是硬性止损 |
| Assistants → Custom Assistant | 选用一个 Chat Models 节点，发出的同样是 Chat Completions 请求 | OpenAI Assistant 类型调用的是 OpenAI 的 Assistants API，Router One 不提供；Flowise 也已把该类型标为即将弃用 |
| 默认 OpenAI 节点 + Base Path | 路径相同，但 Model Name 只能选 models.json 里的名字，默认 gpt-4o-mini | 这些名字不是目录 ID；改用 Custom 节点，或通过 MODEL_LIST_CONFIG_JSON 提供你自己的 models.json |
| 默认 OpenAI 节点的 Reasoning Summary；Agent 节点的 OpenAI Built-in Tools | LangChain 会把这次调用改发到 POST /v1/responses | Router One 的 /v1/responses 只服务当前在售的 GPT 系列与 DeepSeek ID；Custom 节点上这两个选项都不会出现 |
| Document Stores 与向量库 upsert → Embeddings 节点 | 发往该节点自己的供应商或 Base Path 的 embeddings 请求 | Router One 没有 /v1/embeddings：OpenAI Embedding 留在其他供应商，或在本地跑 Ollama Embedding |
| Prediction API：POST /api/v1/prediction/:id | Flowise 自己的接口，在 3000 端口上，由 Flowise 的 API Key 保护 | 不是网关路径：其中的 /v1 属于 Flowise，sk- Key 不会用在这里 |
给一个 Flowise 实例定预算，并核对它的模型调用
向流程发一条消息，很少只对应一次模型请求。Tool Agent 每轮迭代调用一次模型，直到模型不再要求调用工具，上限是 Max Iterations（留空即 15）。Agentflow V2 的 Agent 节点只要模型还在返回工具调用就会继续请求，而且没有迭代次数字段。LLM 和 Condition Agent 节点各自再加一次请求，流程里的循环会把这些全部放大。LangChain 还会重试失败的调用，默认最多 6 次，每一次到达网关的尝试都是独立请求，各有自己的 Trace 和费用；但它不重试 400、401、402、403 和 404，所以 Key 触及 maxSpend 消费上限时，流程在第一个 402 就停下，不会继续循环。给每个 Flowise 实例单独一把设了 maxSpend 的 Router One Key，或者再细一层：凭证是按节点选择的，面向公众的流程可以用另一份 OpenAI API 凭证，里面放另一把 Key 和另一个上限。Dashboard → Logs 是计费依据，每次请求一行，含 request_id、模型、tokens、费用、延迟和状态。按时间和模型把这些行与某次运行对上；Agentflow 的运行还会列在 Flowise 的 Executions 页面里，便于两边对照。被 Flowise 中途断开的流式请求会记为 HTTP 499 client_cancelled。Router One 只看得到模型调用：工具、记忆、向量库和流程分支都在 Flowise 内部运行。
Flowise 该填哪个模型 ID？
从 /models 页复制精确的模型 ID，保留大小写、连字符和版本后缀，不要用展示名称代替。打开该模型的详情页，核对支持的 API 端点、上下文窗口和工具调用等能力，再与 Flowise 当前选择的 provider 和功能对应。模型出现在目录里，不等于当前客户端能调用它的所有功能。建议为每个工具单独建 API Key，并设置 maxSpend 消费上限。
Flowise 用的是哪种 API 协议？
OpenAI 兼容描述的是接口格式，不能据此推断 Chat Completions（/v1/chat/completions）、Responses（/v1/responses）和 Anthropic Messages（/v1/messages）可以互换。先核对工具当前版本、provider 配置和实际请求路径，再查模型详情与 API 兼容性事实页。一次普通对话成功，也不能证明服务端工具、历史状态或文件编辑功能都受支持。
在 trace 里验证 Flowise 的调用
先在 Flowise 发出一次简单文本请求，再到 Dashboard → Logs 按时间、模型和 request_id 核对 trace：tokens、花费、延迟和状态码。成功后再分别验证流式输出、工具调用和多轮历史。失败时保留实际请求路径、完整错误消息及 request_id；没有对应日志时，先查客户端配置和网络，不能仅凭客户端报错认定是网关或上游故障。
常见问题
第一次运行就报 404，还附了 MODEL_NOT_FOUND 的排查链接，是模型不存在吗？
不一定。LangChain 会把所有 HTTP 404 都标成 MODEL_NOT_FOUND，并在消息末尾追加 Troubleshooting URL: https://docs.langchain.com/oss/javascript/langchain/errors/MODEL_NOT_FOUND/，不管真实原因是什么。要看链接前面那段文字：那是 openai SDK 的错误，即状态码加上网关自己的消息。Base Path 只填 https://api.router.one 时，SDK 会请求 /chat/completions，网关返回 404 not_found，消息里直接说明 base URL 需要以 /v1 结尾；写成 /v1/v1 也是同样的结果。路径没错的话，404 指向的是模型 ID：在默认 OpenAI 节点下拉框里选的名字（例如 gpt-4o-mini）不是目录 ID，请换成 OpenAI Custom Model 节点，并填入 /models 页的精确 ID。401 也会以同样方式被标成 MODEL_AUTHENTICATION；消息里出现 AUTH_INVALID_API_KEY，说明凭证里存的不是有效的 Router One Key。另外，如果 Base Path 留空，SDK 会回退到 https://api.openai.com/v1，Router One Key 在那边被拒绝，Dashboard → Logs 里不会有任何记录。
聊天正常，但 Document Store 的 upsert 失败。Embeddings 节点也能走 Router One 吗？
不能。Document Stores 和向量库节点调用的是单独的 Embeddings 节点（即 Document Store 里的 Select Embeddings 一步），而 Router One 没有 /v1/embeddings 端点。OpenAI Embedding 和 OpenAI Custom Embedding 各有自己的 Base Path 字段，不要把它指向 Router One。把 embeddings 留在提供该接口的供应商，或用 Ollama Embedding 在本地运行。Flowise 文档还有一条值得提前规划的约束：embedding 模型与向量库索引的维度必须一致，所以之后更换 embedding 模型就意味着重新 upsert。检索发生在 Flowise 内部，最终只有带着检索片段的提示词会以 Chat Completions 请求到达 Router One。
Flowise 什么时候会改用 Responses API，而不是 Chat Completions？
Flowise 3.1.4 锁定的是 @langchain/openai 1.2.5，它的 ChatOpenAI 类会在几种情况下自行把调用改发到 POST /v1/responses：在默认 OpenAI 节点上选了 Reasoning Summary，在 Agentflow V2 的 Agent 节点上勾选了 OpenAI Built-in Tools（Web Search、Code Interpreter、Image Generation），或者模型名里包含 codex 或 gpt-5.2-pro。OpenAI Custom Model 没有 reasoning 相关选项，Agent 节点也只有在模型选了默认 OpenAI 节点时才显示 OpenAI Built-in Tools，所以按本指南配置会一直走 Chat Completions。Router One 的 /v1/responses 只服务当前在售的 GPT 系列与 DeepSeek ID，模型发到了不对应的端点会收到 400，消息里写明 must be called via。如果确实需要默认节点，例如要用它的 Allow Image Uploads 开关（Custom 节点没有），可以通过 MODEL_LIST_CONFIG_JSON 变量让下拉框读取你自己的 models.json：把目录 ID 加到 chat → chatOpenAI → models 下，文件其余部分保持原样，因为其他节点的下拉框读的也是同一个文件。
Flowise 能通过网关用哪些模型？
选用当前目录中同时支持 Flowise 所用端点和所需功能的模型。精确 ID、当前单价与能力以 /models 及模型详情为准；不要仅按 GPT、Claude 等系列名判断兼容性。客户端能列出模型，只证明模型发现成功，仍需验证实际调用。
能列出模型，但调用报 400 或 404，怎么办？
先记录实际请求路径和错误消息，再核对精确模型 ID。400 可能是参数、工具类型或模型与端点不匹配；404 可能是请求路径或资源不存在，不能直接判定模型下线。若错误提示 must be called via，按它指明的端点调整客户端 provider，或换用支持当前端点的模型。不要在所有工具里统一增删 /v1 或 /chat/completions。
中国大陆能直连吗？
能。网关在大陆可直连、无需 VPN，配置与全球环境完全一致。
报 401/402/403/429 怎么排查？
先到 Dashboard → Logs 核对请求及错误消息。401 查 Key 是否传入和有效；402 查钱包余额与 maxSpend；403 查 Key 权限和访问限制；429 查请求频率、token 限额及上游限流，按错误来源处理。保留 request_id，再按错误码速查页逐项排查。