企业官网建设流程全解析

组件拖一拖就能跑 AI 应用:Langflow 5 步快速上手指南

【免费下载链接】langflowLangflow is a powerful tool for building and deploying AI-powered agents and workflows.项目地址: https://gitcode.com/GitHub_Trending/la/langflow

Langflow 是一个开源的可视化平台,用来搭建和部署 AI 智能体(Agent)与工作流:把大模型、向量数据库、工具组件拖进画布连成流程,在内置 Playground 里直接对话调试。你不用从零写代码,也能做出能聊天的 AI 应用。

三条命令装好 Langflow 并启动

Langflow 对 Python 的要求是 3.10 到 3.14,推荐使用 uv(一个快速的 Python 包管理工具)。在任意空目录下执行下面两条命令,先装包、再启动服务:

uv pip install langflow -U uv run langflow run

启动后浏览器打开http://localhost:7860,就能进入可视化编辑器。如果你不想管 Python 环境,官方也提供了一键式桌面版(Langflow Desktop,支持 Windows 和 macOS),下载安装即可,省去上面的全部步骤。

跑通第一个智能体:Simple Agent 模板 + Playground 调试

不要从空白画布开始。点顶部的New Flow,选Simple Agent模板,它已经帮你连好了一个智能体、聊天输入输出、计算器和 URL 抓取工具。

图中是一个本地模型智能体:Ollama 提供语言模型,URL 组件作为联网工具接入 Agent

接着做两件事:在 Agent 组件里点击Setup Provider选择你的模型提供商(如 OpenAI、Ollama),再从下拉框里选好模型。然后点Playground进入调试界面,它会显示在左侧,可以像聊天窗口一样和智能体对话。试着问一句"4 加 4 等于多少",智能体会调用计算器工具;再问一个实时问题,它会走 URL 工具去抓网页。Playground 还会逐步展示智能体选用了哪个工具、中间输出了什么,方便你排查问题。

接入自己的资料:用 RAG 流程搭知识库问答

想让 AI 基于你自己的文档回答,需要用到 RAG(检索增强生成:先把文档切成小块、向量化后存进向量数据库,提问时先检索相关片段再让模型作答)。Langflow 提供了Vector Store RAG模板,内含两条流程:一条负责把文件读入、切块、写进向量库;另一条负责接收提问、检索、生成回答。

图中是检索流程:URL 抓取的文档经 Split Text 切块后存入 Chroma DB,Chat Input 的提问经向量比对后交给模型生成回答

上手步骤很简单:把模板里默认的向量存储组件换成Chroma DB(本地运行、免配置),给嵌入模型组件填入 API Key,在 Read File 组件里选择你的文档,点击向量存储组件上的运行按钮,数据就入库了。之后在问答流程的 Playground 里提问,回答就会基于你的文档。组件的详细说明可以翻 docs/docs/Tutorials/ 目录下的官方教程。

让流程会判断、能批量:If-Else 与 Batch Run

真实业务里流程往往不是一条直线。两个组件能解决大部分分支和批量需求:

• If-Else(条件路由):按文本匹配(支持正则)把输入分流入不同分支。比如客服场景里,消息含"紧急"就走加急处理提示,否则进常规队列。
• Batch Run(批量运行):对表格(DataFrame)的每一行循环调用大模型。比如把一份 Excel 里的商品名逐行送进模型生成描述,再用 Parser 组件按模板拼成结构化文本输出。

图中 File 组件读入表格,Batch Run 对 name 列逐行让模型生成邮件签名,Parser 再格式化输出

更多组件(文件读写、循环、SQL 数据库、向量库全家桶等)的用法,都可以在 docs/docs/Components/ 里逐个查到,每个组件一页文档。

发布出去:把流程变成 API 或 MCP 工具

流程调试满意后,点画布上的Share再点API access,Langflow 会直接生成一段可运行的调用代码(自动填好服务器地址、流程 ID 和请求体),带上你在账号设置里创建的 API Key,用 Python、JavaScript 或 curl 都能调/api/v1/run/FLOW_ID端点拿到结果。也就是说,你在画布上拼的每条流程,都是一个现成的 HTTP 接口。如果下游用的是支持 MCP(Model Context Protocol,一种让 AI 应用调用外部工具的标准协议)的客户端,还可以把流程发布为 MCP 服务器,让智能体把它当工具用。

生产环境建议用容器部署,一条命令即可拉起:

docker run -p 7860:7860 -e LANGFLOW_AUTO_LOGIN=false -e LANGFLOW_SUPERUSER_PASSWORD=你的密码 langflowai/langflow:latest

运行后依然是访问http://localhost:7860,记得把自动登录关掉并设置强密码。

到这里,你已经走完了安装、建智能体、接知识库、加流程控制、对外发布这 5 步。接下来建议先改 Simple Agent 里的提示词和工具组合,熟悉每个组件的参数面板,再动手拼自己的 RAG 流程;组件细节查 docs/docs/ 目录,遇到报错先看 docs/docs/Support/ 下的故障排查页。

【免费下载链接】langflowLangflow is a powerful tool for building and deploying AI-powered agents and workflows.项目地址: https://gitcode.com/GitHub_Trending/la/langflow