Langflow低代码构建AI工作流

# Langflow低代码构建AI工作流

## 什么是Langflow？

Langflow是一个基于LangChain的可视化编排工具，让你通过拖拽组件的方式构建AI工作流，无需编写复杂代码。

## 安装与启动

```bash
pip install langflow
langflow run
```

浏览器打开 http://localhost:7860

## 界面介绍

### 组件库

左侧组件库包含：
- **Prompts**: 提示词模板
- **LLMs**: 语言模型（OpenAI、Anthropic等）
- **Chains**: 处理链
- **Agents**: 智能体
- **Vectorstores**: 向量存储
- **Tools**: 工具
- **Embeddings**: 嵌入模型

### 工作区

中间区域是画布，拖入组件并连接它们形成工作流。

## 实战示例

### 示例1: 简单对话

1. 拖入 **Chat Input** 组件
2. 拖入 **OpenAI** 组件
3. 拖入 **Chat Output** 组件
4. 连接：Chat Input → OpenAI → Chat Output
5. 配置OpenAI的API Key
6. 点击运行测试

### 示例2: RAG知识库问答

1. 拖入 **File Loader** 加载文档
2. 拖入 **Text Splitter** 分割文本
3. 拖入 **OpenAI Embeddings** 嵌入模型
4. 拖入 **Chroma** 向量存储
5. 拖入 **Retriever** 检索器
6. 拖入 **Retrieval QA** 问答链
7. 连接各组件形成完整流程

### 示例3: 多工具Agent

1. 拖入 **Search Tool** 搜索工具
2. 拖入 **Calculator Tool** 计算工具
3. 拖入 **OpenAI Functions Agent** 
4. 连接工具到Agent
5. 设置Agent的系统提示词

## 核心组件详解

### Prompt 组件

支持变量插入：

```
你是一个{role}，请回答以下问题：
{question}
```

### Chain 组件

将多个操作串联在一起执行。

### Memory 组件

存储对话历史，实现多轮对话。

## 导出和部署

### 导出为代码

点击"导出"按钮，可以生成Python代码：

```python
from langflow import load_flow_from_json

flow = load_flow_from_json("my_flow.json")
result = flow.run("Hello!")
```

### 部署为API

```bash
langflow run --host 0.0.0.0 --port 7860
```

调用API：

```python
import requests

response = requests.post(
    "http://localhost:7860/api/v1/run/flow_id",
    json={"input_value": "你好"}
)
```

## 与Dify对比

| 特性 | Langflow | Dify |
|------|----------|------|
| 基础 | LangChain | 自研 |
| 灵活性 | 高 | 中 |
| 上手难度 | 中 | 低 |
| 企业功能 | 一般 | 丰富 |

## 总结

Langflow让AI工作流开发变得可视化和简单。适合快速原型开发和迭代。
评论 (0)
