Langflow 安装部署指南3 条路径从 5 分钟体验到生产上线【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 是一款可视化搭建与部署 AI Agent 工作流的开源平台拖拽组件即可组装智能体并对外暴露 API 供应用调用。本文带你完成 Langflow 安装部署先做环境检查再按场景选择 Python 包、Docker 或 Docker Compose 三条路径实操最后给出验证方法与报错速查表。路径速览不确定从哪条路开始按你的目标对号入座使用场景推荐路径大致耗时初次体验只想尽快看到界面Docker 单容器约 5 分钟本地开发要调试、装自定义组件Python 包uv10~15 分钟团队共用或生产上线数据需持久化Docker Compose PostgreSQL约 15 分钟环境检查清单开始安装前花 2 分钟确认下面几项可避开大部分安装报错检查项要求确认方法Python3.10 ~ 3.14仅 Python 包路径需要终端执行python --versionuv已安装Python 包路径推荐终端执行uv --versionDocker已安装且服务正在运行容器路径需要终端执行docker version硬件最低 2 核 CPU / 2 GB 内存推荐 4 GB 以上按你的机器规格自查模型 API 密钥运行流程前准备任意一家 LLM 提供商的 Key在提供商控制台确认已开通浏览器Chrome 推荐非强制—分场景实操Docker 容器5分钟快速体验适合第一次接触 Langflow、只想尽快看到界面的你。这条路径无需配置 Python 环境一条命令拉起官方镜像。拉取并启动官方镜像本机未装 Docker 请先安装并启动服务。docker run -p 7860:7860 -e LANGFLOW_AUTO_LOGINtrue langflowai/langflow:latest预期终端开始持续滚动日志。-p 7860:7860把容器端口映射到本机LANGFLOW_AUTO_LOGINtrue开启免密自动登录方便本地体验。确认容器在运行另开一个终端执行docker ps预期列表中出现langflowai/langflow条目且状态为Up。打开 Web 界面浏览器访问http://127.0.0.1:7860看到登录页或自动登录进入画布即启动成功。 首次启动要完成数据库迁移与组件加载通常需要 1~3 分钟。启动期间浏览器暂时打不开页面属正常现象看到Application startup complete类似的日志后即可访问。Python 包安装本地开发者部署适合需要调试、安装自定义依赖或参与贡献的开发者依赖与版本完全可控。创建虚拟环境虚拟环境把 Langflow 装进独立目录避免污染系统 Python。uv venv langflow-env预期当前目录生成langflow-env文件夹。激活环境并安装 Langflowsource langflow-env/bin/activate预期命令提示符前出现(langflow-env)前缀Windows PowerShell 改用langflow-env\Scripts\activate。uv pip install langflow预期依赖解析完成并提示成功。首次安装需 2~5 分钟解析明显卡顿时优先用uv而不是pip。启动服务uv run langflow run预期日志滚动并监听7860端口启动耗时约 1~3 分钟。访问验证浏览器打开http://127.0.0.1:7860能进入界面即部署成功。 Python 包方式默认使用 SQLite 存储数据适合个人使用团队或多实例场景请切换到下一条路径的 PostgreSQL 方案。Docker Compose PostgreSQL团队/生产上线适合需要长期对外提供服务的场景。Compose 文件自带持久化卷容器重建不丢数据仓库中也内置了现成配置docker_example/docker-compose.yml。克隆仓库获取 Compose 文件git clone https://gitcode.com/GitHub_Trending/la/langflow预期本地生成langflow目录其中的docker_example子目录含可直接使用的 Compose 配置。设置超级用户密码进入docker_example目录创建.env文件并写入LANGFLOW_SUPERUSER_PASSWORD你的强密码。预期.env与docker-compose.yml位于同一目录Compose 启动时会自动读取它。启动服务docker compose up -d预期langflow与postgres两个容器依次启动完成。访问验证浏览器打开http://127.0.0.1:7860用第 2 步设置的密码登录。 生产上线前建议改掉数据库默认密码、关闭自动登录、用 Nginx 或 Caddy 反向代理并启用 HTTPS相关文档在仓库docs/docs/Deployment/目录下可查。如何升级版本修改镜像版本把 Compose 文件里的image: langflowai/langflow:latest改为目标版本号。预期文件保存版本号指向新镜像。拉取新镜像并重启docker compose pulldocker compose up -d预期容器用新镜像重建并启动数据卷自动挂回原有流程与数据库不丢失。验证部署是否成功命令行探测curl -s -o /dev/null -w %{http_code} http://127.0.0.1:7860/api/v1预期输出200说明 API 服务已正常监听 7860 端口。浏览器验收访问http://127.0.0.1:7860看到登录界面或自动登录并能新建一个流程即部署成功。首次使用建议点击右上角头像在Settings → Langflow API Keys创建一把 API key供后续用代码调用流程。踩坑速查现象 / 报错可能原因处理办法安装长时间停在pip is looking at multiple versions...pip解析依赖极慢改用uv pip install langflow速度显著更快Linux 上Failed to build webrtcvad2.0.10缺少 C 编译工具链执行sudo apt-get install build-essential python3-dev仍报错再装gcc后重试No module named langflow.__main__包或依赖不完整激活虚拟环境后执行uv pip install langflow --force-reinstall启动报cannot import name get_body_field装到了不兼容的 FastAPI 0.140执行uv pip install fastapi0.140或直接升级到 Langflow 1.11.1 及以上浏览器ECONNREFUSED端口连不上端口被占用或服务未启动lsof -i :7860查看占用docker run时改用-p 7861:7860换端口Something went wrong running migrations旧版本缓存与数据库不兼容先备份数据再清理~/.cache/langflow/macOS 为~/Library/Caches/langflow/后重启下一步建议跑通第一个流程新建Simple Agent模板在Playground里对话测试验证工具调用链路。把流程接进你的应用创建 API key 后调用/api/v1/run/FLOW_ID端点从外部触发流程。团队上线参考仓库docs/docs/Deployment/目录下的 Nginx SSL、Kubernetes 等文档完成反向代理与多副本部署。需要定制能力时可阅读src/lfx/README.md了解执行引擎或查看src/bundles/学习如何开发自定义组件。从本地一条命令到生产多副本Langflow 的部署路径都是现成工具加文档的组合——选对路径剩下的交给上面的命令即可。【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 安装部署指南：3 条路径，从 5 分钟体验到生产上线
Langflow 安装部署指南3 条路径从 5 分钟体验到生产上线【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 是一款可视化搭建与部署 AI Agent 工作流的开源平台拖拽组件即可组装智能体并对外暴露 API 供应用调用。本文带你完成 Langflow 安装部署先做环境检查再按场景选择 Python 包、Docker 或 Docker Compose 三条路径实操最后给出验证方法与报错速查表。路径速览不确定从哪条路开始按你的目标对号入座使用场景推荐路径大致耗时初次体验只想尽快看到界面Docker 单容器约 5 分钟本地开发要调试、装自定义组件Python 包uv10~15 分钟团队共用或生产上线数据需持久化Docker Compose PostgreSQL约 15 分钟环境检查清单开始安装前花 2 分钟确认下面几项可避开大部分安装报错检查项要求确认方法Python3.10 ~ 3.14仅 Python 包路径需要终端执行python --versionuv已安装Python 包路径推荐终端执行uv --versionDocker已安装且服务正在运行容器路径需要终端执行docker version硬件最低 2 核 CPU / 2 GB 内存推荐 4 GB 以上按你的机器规格自查模型 API 密钥运行流程前准备任意一家 LLM 提供商的 Key在提供商控制台确认已开通浏览器Chrome 推荐非强制—分场景实操Docker 容器5分钟快速体验适合第一次接触 Langflow、只想尽快看到界面的你。这条路径无需配置 Python 环境一条命令拉起官方镜像。拉取并启动官方镜像本机未装 Docker 请先安装并启动服务。docker run -p 7860:7860 -e LANGFLOW_AUTO_LOGINtrue langflowai/langflow:latest预期终端开始持续滚动日志。-p 7860:7860把容器端口映射到本机LANGFLOW_AUTO_LOGINtrue开启免密自动登录方便本地体验。确认容器在运行另开一个终端执行docker ps预期列表中出现langflowai/langflow条目且状态为Up。打开 Web 界面浏览器访问http://127.0.0.1:7860看到登录页或自动登录进入画布即启动成功。 首次启动要完成数据库迁移与组件加载通常需要 1~3 分钟。启动期间浏览器暂时打不开页面属正常现象看到Application startup complete类似的日志后即可访问。Python 包安装本地开发者部署适合需要调试、安装自定义依赖或参与贡献的开发者依赖与版本完全可控。创建虚拟环境虚拟环境把 Langflow 装进独立目录避免污染系统 Python。uv venv langflow-env预期当前目录生成langflow-env文件夹。激活环境并安装 Langflowsource langflow-env/bin/activate预期命令提示符前出现(langflow-env)前缀Windows PowerShell 改用langflow-env\Scripts\activate。uv pip install langflow预期依赖解析完成并提示成功。首次安装需 2~5 分钟解析明显卡顿时优先用uv而不是pip。启动服务uv run langflow run预期日志滚动并监听7860端口启动耗时约 1~3 分钟。访问验证浏览器打开http://127.0.0.1:7860能进入界面即部署成功。 Python 包方式默认使用 SQLite 存储数据适合个人使用团队或多实例场景请切换到下一条路径的 PostgreSQL 方案。Docker Compose PostgreSQL团队/生产上线适合需要长期对外提供服务的场景。Compose 文件自带持久化卷容器重建不丢数据仓库中也内置了现成配置docker_example/docker-compose.yml。克隆仓库获取 Compose 文件git clone https://gitcode.com/GitHub_Trending/la/langflow预期本地生成langflow目录其中的docker_example子目录含可直接使用的 Compose 配置。设置超级用户密码进入docker_example目录创建.env文件并写入LANGFLOW_SUPERUSER_PASSWORD你的强密码。预期.env与docker-compose.yml位于同一目录Compose 启动时会自动读取它。启动服务docker compose up -d预期langflow与postgres两个容器依次启动完成。访问验证浏览器打开http://127.0.0.1:7860用第 2 步设置的密码登录。 生产上线前建议改掉数据库默认密码、关闭自动登录、用 Nginx 或 Caddy 反向代理并启用 HTTPS相关文档在仓库docs/docs/Deployment/目录下可查。如何升级版本修改镜像版本把 Compose 文件里的image: langflowai/langflow:latest改为目标版本号。预期文件保存版本号指向新镜像。拉取新镜像并重启docker compose pulldocker compose up -d预期容器用新镜像重建并启动数据卷自动挂回原有流程与数据库不丢失。验证部署是否成功命令行探测curl -s -o /dev/null -w %{http_code} http://127.0.0.1:7860/api/v1预期输出200说明 API 服务已正常监听 7860 端口。浏览器验收访问http://127.0.0.1:7860看到登录界面或自动登录并能新建一个流程即部署成功。首次使用建议点击右上角头像在Settings → Langflow API Keys创建一把 API key供后续用代码调用流程。踩坑速查现象 / 报错可能原因处理办法安装长时间停在pip is looking at multiple versions...pip解析依赖极慢改用uv pip install langflow速度显著更快Linux 上Failed to build webrtcvad2.0.10缺少 C 编译工具链执行sudo apt-get install build-essential python3-dev仍报错再装gcc后重试No module named langflow.__main__包或依赖不完整激活虚拟环境后执行uv pip install langflow --force-reinstall启动报cannot import name get_body_field装到了不兼容的 FastAPI 0.140执行uv pip install fastapi0.140或直接升级到 Langflow 1.11.1 及以上浏览器ECONNREFUSED端口连不上端口被占用或服务未启动lsof -i :7860查看占用docker run时改用-p 7861:7860换端口Something went wrong running migrations旧版本缓存与数据库不兼容先备份数据再清理~/.cache/langflow/macOS 为~/Library/Caches/langflow/后重启下一步建议跑通第一个流程新建Simple Agent模板在Playground里对话测试验证工具调用链路。把流程接进你的应用创建 API key 后调用/api/v1/run/FLOW_ID端点从外部触发流程。团队上线参考仓库docs/docs/Deployment/目录下的 Nginx SSL、Kubernetes 等文档完成反向代理与多副本部署。需要定制能力时可阅读src/lfx/README.md了解执行引擎或查看src/bundles/学习如何开发自定义组件。从本地一条命令到生产多副本Langflow 的部署路径都是现成工具加文档的组合——选对路径剩下的交给上面的命令即可。【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