Langflow: 可视化构建 AI 工作流，像搭积木一样玩转大模型

在 AI 应用开发中，如何高效地将大语言模型、向量数据库、工具调用串联成一条完整的工作流，是每个开发者都会遇到的难题。今天要介绍的 Langflow，就是一款让你用搭积木的方式可视化构建 AI 工作流的开源利器。

项目简介

Langflow 是一个强大的可视化平台，用于构建和部署 AI 驱动的智能体（Agent）和工作流。它既是低代码工具，又是全代码友好的平台——你可以通过拖拽节点的可视化方式快速搭建 AI 流程，也可以深入源码用 Python 自定义任意组件。目前该项目在 GitHub 已斩获超过 14 万颗星，活跃的社区生态和持续更新的功能使其成为 AI 工作流领域的明星项目。

核心特色功能

Langflow 的设计理念是「所见即所得」：

• 可视化画布：通过拖拽节点即可构建复杂 AI 流程，无需写一行代码也能完成智能体编排。
• 多模型支持：原生支持 OpenAI、Anthropic、Azure OpenAI、HuggingFace 等所有主流大模型，还支持 Ollama 本地模型。
• 多向量库集成：无缝对接 Chroma、Pinecone、Weaviate、Milvus 等向量数据库。
• 多智能体编排：内置对话管理、检索增强（RAG）等高级能力，支持复杂多步骤任务。
• 一键部署为 API：完成的工作流可以直接导出为 REST API，供任何语言或框架调用。
• MCP 服务器支持：可将工作流发布为 MCP 工具，供 Cursor、Claude Desktop 等 AI 工具直接使用。
• 交互式 Playground：内置即时测试环境，可逐步查看每个节点的输入输出，便于调优和排错。

安装步骤

Langflow 支持多种安装方式，推荐使用 uv 包管理器（Python 3.10-3.13）：

方式一：pip 安装（推荐）

uv pip install langflow -U
uv run langflow run

安装完成后，访问 http://127.0.0.1:7860 即可打开可视化界面。

方式二：Docker 部署

docker run -p 7860:7860 langflowai/langflow:latest

容器启动后同样访问 http://localhost:7860 开始使用。

方式三：桌面客户端

Langflow 还提供 Windows 和 macOS 桌面版，下载即用，无需配置 Python 环境，适合初学者快速体验。

使用方法

首次打开界面，你会看到一个空白的画布。左侧是组件面板，包含：

• Prompts：提示词模板节点
• Models：大语言模型节点（支持选择具体模型）
• Chains：链式调用节点（如 LLMChain、RetrievalQA）
• Agents：智能体节点（ReAct、Conversational 等）
• Tools：工具节点（搜索、计算、API 调用等）
• Memory：记忆存储节点（对话历史持久化）

拖拽一个「Prompt」和一个「Model」到画布，用连接线串联，点击「运行」按钮即可看到输出结果。更复杂的场景——例如做一个带 RAG 检索的个人知识库问答——只需按顺序串联：文档加载 → 文本分割 → 向量嵌入 → 向量存储 → 检索器 → Prompt → LLM → 输出。

适用场景

• 快速原型验证 AI 业务流程，无需从零写代码
• 构建企业级 RAG 知识库问答系统
• 多模型对比评测（同一流程切换不同模型看效果）
• 将 AI 能力封装为 API 集成到现有产品中
• 团队内部 AI 工具共享（导出一个 JSON 即可复现流程）

开源协议

Langflow 采用 MIT 开源协议，可以自由用于个人和商业项目。

服务支持：如有兴趣不会搭建，可以联系微信：WRYD6166，开源项目搭建10-50元。