Langflow可视化AI工作流平台5分钟免费跑通你的第一个AI智能体【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 是一个可视化AI工作流平台用拖拽的方式把大模型、知识库和工具拼成 AI 智能体不用再手写胶水代码。它自带 API 和 MCP 服务器每条流程都能变成一个可被调用的工具支持主流大模型和向量数据库。适合刚接触 AI 应用的新手以及想快速把想法跑成服务、而不是先搭一堆脚手架的开发者。拆开看它由什么组成模块作用技术栈src/backend后端主程序提供 API、负责把流程一步步跑起来Python FastAPIsrc/frontend可视化搭建界面也就是你拖拽组件看到的那个网页React TypeScriptsrc/lfx扩展包命令行工具、组件包bundle的安装与管理独立 Python 包src/bundles各厂商现成组件OpenAI、Anthropic、Google、Ollama 等Pythondocs / docker / deploy文档、容器镜像构建与部署配置—目录结构只看两层就够了langflow/ ├── src/backend/ # 后端主程序与流程执行引擎 ├── src/frontend/ # 可视化界面源码 ├── src/bundles/ # 各厂商现成组件包 └── docs/ # 官方文档一句话后端负责跑前端负责搭组件库负责能搭什么。从零跑起来环境要求就三样齐了再动手Python 3.10 ~ 3.14uv 包管理器官方推荐管安装和虚拟环境一个现代浏览器 安装与启动唯一命令块uv pip install langflow -U # 在干净目录里安装最新版 uv run langflow run # 启动服务启动后浏览器访问http://127.0.0.1:7860就能看到可视化搭建界面。想从源码贡献开发就 clone 仓库git clone https://gitcode.com/GitHub_Trending/la/langflow后在仓库根目录跑 make 的 run_cli 目标图省事直接用容器。 最省事的启动方式对比方式命令适合谁一键安装uv run langflow run日常使用和正式部署源码启动make run_cli想参与开发、给项目提代码的人容器化docker run -p 7860:7860 langflowai/langflow:latest环境隔离、团队统一环境只讲最关键的 5 个配置变量都写在.env文件里启动时自动生效LANGFLOW_PORT7860# 服务端口端口被占用时会自动换一个空闲端口LANGFLOW_DATABASE_URLsqlite:///./langflow.db# 数据库连接串默认本地 SQLite 文件LANGFLOW_WORKERS1# 工作进程数生产环境按需调大LANGFLOW_LOG_LEVELINFO# 日志级别排查问题切到 DEBUGLANGFLOW_AUTO_SAVINGTrue# 草稿自动保存默认开启改到一半不怕丢开发和生产环境的差异很小项目开发生产数据库本地 SQLite 即可换成 PostgreSQL连接串写进LANGFLOW_DATABASE_URL密钥默认值能用固定设置LANGFLOW_SECRET_KEY多个副本必须一致任务队列默认 asyncio多 worker 时设LANGFLOW_JOB_QUEUE_TYPEredis记住一件事真正要长期跑数据库和密钥这两项必须换掉。上手三步第 1 步搭一条最简流程。登录后点左侧边栏的 New flow 新建流程从组件面板拖一个 Agent 组件、一个 LLM 组件到画布把它们的输入输出端口拉线连起来。预期看到画布上出现两个节点和一条连线这就是你的第一条可视化AI工作流。第 2 步在 Playground 里聊着改。打开画布右侧的 Playground 面板像发微信一样向流程发一条消息。流程会逐个节点执行你能看到每一步的输入输出和中间结果改完某个节点的参数再发一条立刻验证效果。第 3 步导出或发布。点流程菜单里的 Export 把流程导出成 JSON 文件供 Python 应用加载或者把它发布成 API 端点其他系统发请求就能调用这条流程。预期看到导出文件里是完整的节点结构和参数配置发布后得到一个可调用的接口地址。最容易踩的 4 个坑Q启动后打不开 7860 端口A多半是端口被占了。试试langflow run --port 9000指定新端口Docker 部署则调整-p后面的映射端口。Q明明写了 .env配置就是不生效A注意一下版本。⚠️ 1.6.0 ~ 1.6.3 存在严重 bug.env 文件不会被读取可能引发安全隐患。请确认你在用 1.6.4 及以上版本别停在这几个版本上。Q自定义组件放好了画布里却看不到A一般是组件目录没指对。设置LANGFLOW_COMPONENTS_PATH指向存放组件的目录后重启加载列表里就会出现你的组件。Q正式环境为什么起不来A生产环境不允许用 SQLite。把LANGFLOW_DATABASE_URL指向 PostgreSQL 就能通过启动预检同时固定好LANGFLOW_SECRET_KEY保证多副本之间登录态一致。接下来可以去哪多智能体编排一个流程里跑多个 Agent管理复杂对话和检索任务部署成 MCP 服务器把流程变成工具接到任意 MCP 客户端或别的框架里接入可观测性接上 LangSmith 或 Langfuse看清每一步的耗时和错误从画布上拖出第一个节点到流程跑出第一个回答Langflow 只花了你几分钟。剩下的事就是把你脑子里那条流程拖出来。【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 Langflow可视化AI工作流平台：5分钟免费跑通你的第一个AI智能体
Langflow可视化AI工作流平台5分钟免费跑通你的第一个AI智能体【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 是一个可视化AI工作流平台用拖拽的方式把大模型、知识库和工具拼成 AI 智能体不用再手写胶水代码。它自带 API 和 MCP 服务器每条流程都能变成一个可被调用的工具支持主流大模型和向量数据库。适合刚接触 AI 应用的新手以及想快速把想法跑成服务、而不是先搭一堆脚手架的开发者。拆开看它由什么组成模块作用技术栈src/backend后端主程序提供 API、负责把流程一步步跑起来Python FastAPIsrc/frontend可视化搭建界面也就是你拖拽组件看到的那个网页React TypeScriptsrc/lfx扩展包命令行工具、组件包bundle的安装与管理独立 Python 包src/bundles各厂商现成组件OpenAI、Anthropic、Google、Ollama 等Pythondocs / docker / deploy文档、容器镜像构建与部署配置—目录结构只看两层就够了langflow/ ├── src/backend/ # 后端主程序与流程执行引擎 ├── src/frontend/ # 可视化界面源码 ├── src/bundles/ # 各厂商现成组件包 └── docs/ # 官方文档一句话后端负责跑前端负责搭组件库负责能搭什么。从零跑起来环境要求就三样齐了再动手Python 3.10 ~ 3.14uv 包管理器官方推荐管安装和虚拟环境一个现代浏览器 安装与启动唯一命令块uv pip install langflow -U # 在干净目录里安装最新版 uv run langflow run # 启动服务启动后浏览器访问http://127.0.0.1:7860就能看到可视化搭建界面。想从源码贡献开发就 clone 仓库git clone https://gitcode.com/GitHub_Trending/la/langflow后在仓库根目录跑 make 的 run_cli 目标图省事直接用容器。 最省事的启动方式对比方式命令适合谁一键安装uv run langflow run日常使用和正式部署源码启动make run_cli想参与开发、给项目提代码的人容器化docker run -p 7860:7860 langflowai/langflow:latest环境隔离、团队统一环境只讲最关键的 5 个配置变量都写在.env文件里启动时自动生效LANGFLOW_PORT7860# 服务端口端口被占用时会自动换一个空闲端口LANGFLOW_DATABASE_URLsqlite:///./langflow.db# 数据库连接串默认本地 SQLite 文件LANGFLOW_WORKERS1# 工作进程数生产环境按需调大LANGFLOW_LOG_LEVELINFO# 日志级别排查问题切到 DEBUGLANGFLOW_AUTO_SAVINGTrue# 草稿自动保存默认开启改到一半不怕丢开发和生产环境的差异很小项目开发生产数据库本地 SQLite 即可换成 PostgreSQL连接串写进LANGFLOW_DATABASE_URL密钥默认值能用固定设置LANGFLOW_SECRET_KEY多个副本必须一致任务队列默认 asyncio多 worker 时设LANGFLOW_JOB_QUEUE_TYPEredis记住一件事真正要长期跑数据库和密钥这两项必须换掉。上手三步第 1 步搭一条最简流程。登录后点左侧边栏的 New flow 新建流程从组件面板拖一个 Agent 组件、一个 LLM 组件到画布把它们的输入输出端口拉线连起来。预期看到画布上出现两个节点和一条连线这就是你的第一条可视化AI工作流。第 2 步在 Playground 里聊着改。打开画布右侧的 Playground 面板像发微信一样向流程发一条消息。流程会逐个节点执行你能看到每一步的输入输出和中间结果改完某个节点的参数再发一条立刻验证效果。第 3 步导出或发布。点流程菜单里的 Export 把流程导出成 JSON 文件供 Python 应用加载或者把它发布成 API 端点其他系统发请求就能调用这条流程。预期看到导出文件里是完整的节点结构和参数配置发布后得到一个可调用的接口地址。最容易踩的 4 个坑Q启动后打不开 7860 端口A多半是端口被占了。试试langflow run --port 9000指定新端口Docker 部署则调整-p后面的映射端口。Q明明写了 .env配置就是不生效A注意一下版本。⚠️ 1.6.0 ~ 1.6.3 存在严重 bug.env 文件不会被读取可能引发安全隐患。请确认你在用 1.6.4 及以上版本别停在这几个版本上。Q自定义组件放好了画布里却看不到A一般是组件目录没指对。设置LANGFLOW_COMPONENTS_PATH指向存放组件的目录后重启加载列表里就会出现你的组件。Q正式环境为什么起不来A生产环境不允许用 SQLite。把LANGFLOW_DATABASE_URL指向 PostgreSQL 就能通过启动预检同时固定好LANGFLOW_SECRET_KEY保证多副本之间登录态一致。接下来可以去哪多智能体编排一个流程里跑多个 Agent管理复杂对话和检索任务部署成 MCP 服务器把流程变成工具接到任意 MCP 客户端或别的框架里接入可观测性接上 LangSmith 或 Langfuse看清每一步的耗时和错误从画布上拖出第一个节点到流程跑出第一个回答Langflow 只花了你几分钟。剩下的事就是把你脑子里那条流程拖出来。【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