Langflow 实操指南可视化 AI 工作流 10 分钟跑通并部署成 API【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/langflowLangflow 是一个开源的可视化 AI 工作流平台把大模型调用、向量检索、数据库查询、消息解析这些环节做成一个个组件在画布上拖出来连好线就能跑。先说它解决的典型痛点你想做一个接用户问题 → 查知识库 → 调模型 → 按格式返回的问答服务传统做法是手写几百行编排代码还要自己处理会话状态、错误重试和 API 暴露。换成 Langflow这套流程是画布上的七八个节点改参数直接生效跑完还能一键以 HTTP API 或 MCP server 的形式挂到你的应用里。它适合两类人一是想快速验证 AI 想法、不想先搭一套后端框架的开发者二是需要把现成流程交付给非技术同事调参的团队。下面按装起来 → 看懂界面 → 跟做案例 → 进阶的顺序走一遍。5 分钟安装启动 Langflow看到第一个界面前置要求只有 Python 3.10–3.14官方推荐用 uv 管依赖。装好后默认监听127.0.0.1:7860uv pip install langflow -U uv run langflow run浏览器打开http://127.0.0.1:7860先注册个本地账号就能看到空白画布了。另外两种方式各一句话带过Docker 用户直接docker run -p 7860:7860 langflowai/langflow:latest想改后端源码贡献代码的话克隆仓库git clone https://gitcode.com/GitHub_Trending/la/langflow后在根目录跑make run_cli。注意这里要留好一个 OpenAI或其他提供商的 API key后面案例第一步就要用。Langflow 界面三块区域组件面板、画布、Playground刚进画布时界面就是左边一栏 中间一片点阵空白分工如下左侧组件面板按类别分组Input Output、Data Sources、Models Agents、Flow Control、Files 等。顶部搜索框支持按名字找组件快捷键是/。中央画布从左侧拖组件进来点组件两侧的圆点端口拖线连接。线连的就是数据流——上游的输出端口接下游的输入端口连对了才能跑。左下角 New Custom Component一键生成一个自定义组件的 Python 模板写逻辑后它立刻出现在组件面板里。右上角的Playground按钮是调试入口点开右侧抽屉直接在对话窗口里发消息测整个流程比每次走 API 快得多。画布底部的Logs能看每个组件的执行日志连线跑不通时先看这里。跟做用 Simple Agent 模板搭一个能查资料的智能体这是最快能出结果的案例一个能算数、能抓网页的智能体。怎么连点New Flow在模板里选Simple Agent画布上会自动出现 5 个节点Chat Input、Agent、Chat Output、Calculator、URL。模板里连线已经做好了你只需要在 Agent 节点上补两处点Setup Provider选模型提供商并填 API key然后在Language Model下拉里选具体模型如 gpt-4o-mini。模板里的结构值得记住Chat Input 接 Agent 的输入端Calculator 和 URL 作为Tools接给 AgentAgent 的输出端接 Chat Output。模型自己决定什么时候调哪个工具你不用写 if-else。怎么调点右上角Playground开始测发一句 I want to add 4 and 4Playground 里能看到 Agent 选中 Calculator 工具、执行evaluate_expression的完整推理过程。再发一句关于时事的问题Agent 会走 URL 工具的fetch_content抓网页后做总结。Playground 左侧的 Sessions 栏支持多会话每个会话独立上下文方便你对照不同输入看 Agent 的决策差异。测满意后点画布右上角Share → API access面板会自动生成这个流程的FLOW_ID、请求头和一个 curl/Python 片段贴回你项目里就能外部调用curl -X POST http://127.0.0.1:7860/api/v1/run/FLOW_ID \ -H x-api-key: 你的KEY \ -d {input_value: 你好}这就是它和纯画图玩具的区别每个流程都是一个带路由的后端服务改画布即时生效不用重新发版。进阶玩法条件分支、接数据库、自定义组件条件分支怎么走需要含 urgent 走加急队列、否则走普通队列这种逻辑时用 Flow Control 里的If-Else组件它有一个 Text Input 端口和 True/False 两个输出端口Match Text 填正则如.*(urgent|warning).*、Operator 选 regex命中走 True 线不命中走 False 线两条线后面各挂一套处理流程即可。想循环批处理则用 Loop Batch Run 组件配合文件类组件可以按批喂数据。接数据库和写自定义组件数据库场景不用自己写连接池拖一个SQL Database组件Database URL 填连接串模板里用的是sqlite:///test.db换成你的 PostgreSQL 串即可它的 Toolset 端口直接接给 Agent模型就能自己生成 SQL 查表。组件库里没有的环节就自己写点画布左下角New Custom Component会生成一个带build方法的 Python 模板填上入参和返回值、点保存新组件马上出现在左侧面板可以像内置组件一样被连线。源码结构在 自定义组件目录写组件前先看一眼 组件开发文档。下一步去哪找资料安装细节与环境变量快速上手文档、环境变量说明跟做 RAG 问答向量库 检索RAG 教程把流程暴露给外部系统Workflows API 参考上服务器Docker 部署、Kubernetes 生产部署compose 文件可直接参考 deploy 目录想给流程加工具/记忆Agents 文档内置模板源码想改默认流程时抄它starter_projects 目录【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创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考
