Langflow：面向 AI Agent、API 与 LLM 的拖拽式流程构建工具

AI大模型观察站

发布于 2025-10-16 07:17

浏览

0收藏

我最近一直在探索一个叫Langflow的工具。

如果你曾经试着把LLMs、APIs和各种工具连起来，你就会知道那种挫败感——太乱了。

一大堆样板代码，好多问题像“为什么这个不工作”，通常花太多时间在设置上。

Langflow试图让这一切变得更容易。

它基本上就是一个AI工作流的视觉构建器。

拖动东西，连接块，突然你就有一个agent，能执行任务比如抓取URL或解决数学问题。

当你准备好了，你可以直接把它跑成一个API。

初印象

那么你到底能得到什么？一个画布，你可以把组件拖进去：LLMs、inputs、outputs和tools。你把它们连起来。就完了。

好的部分：如果你不喜欢被限制，你可以打开Python那边自定义东西。所以它不只是拖拽——它还可hack。

它支持最受欢迎的工具，包括OpenAI、vector databases和Groq，还有其他。它内置了observability，这通常是我等到出问题才想起来要加的。

安装方法

这里是我一开始有点卡住的地方，因为有大概四种安装方式。

最简单的路径，抓Langflow Desktop。下载，点击，就好了。适用于macOS 13+和Windows。

如果你喜欢容器，就跑Docker image：

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

打开http://localhost:7860，你就进去了。

我的选择？Python package。更灵活。这里是我需要的最基本的东西：

uv venv myenv
source myenv/bin/activate   # Mac/Linux
myenv\Scripts\activate      # Windows

uv pip install langflow
uv run langflow run

然后它在http://127.0.0.1:7860 启动了。

大概花了两分钟。

探索Simple Agent的实际运行

我从“Simple Agent”模板开始。它基本上是：

Chat input → Agent → Tools (Calculator + URL fetch) → Chat output

我问它：“Add 4 and 4。”

它回复：“The answer is 8。”

然后我问当前新闻，它从URL tool拉取。没什么惊天动地的，但它展示了这些部分是怎么拼起来的。

我最喜欢什么？你可以看到agent的推理一步一步。它不觉得像个黑箱。

Langflow：面向 AI Agent、API 与 LLM 的拖拽式流程构建工具-AI.x社区

通过代码应用

一旦我让一个flow跑起来，我想从Python调用它。幸好Langflow让这变得容易。

import requests

url = "http://localhost:7860/api/v1/run/FLOW_ID"
payload = {
    "output_type": "chat",
    "input_type": "chat",
    "input_value": "hello world!"
}
headers = {
    "Content-Type": "application/json",
    "x-api-key": "YOUR_LANGFLOW_API_KEY"
}
res = requests.post(url, jsnotallow=payload, headers=headers)
print(res.json())

就是这样。你打/run endpoint，flow就干活了。

一个聊天循环

为了好玩，我把它包成一个终端chatbot。没什么花哨的。

def ask_agent(q):
    payload = {"output_type": "chat", "input_type": "chat", "input_value": q}
    headers = {"Content-Type": "application/json", "x-api-key": "YOUR_KEY"}
    res = requests.post(url, jsnotallow=payload, headers=headers)
    data = res.json()
    return data["outputs"][0]["outputs"][0]["outputs"]["message"]["message"]

prev = None
while True:
    q = input("Ask something: ")
    if q == "quit":
        break
    elif q == "compare":
        print("Last answer:", prev if prev else "none")
        continue
    ans = ask_agent(q)
    print("Agent:", ans)
    prev = ans

现在我可以问它问题，然后打“compare”看它上次说什么。傻乎乎的，但挺有趣。

一个巧妙的技巧：你可以只为单次运行覆盖东西。比如，如果我通常跑OpenAI但想为一个query试Groq，我加一个“tweaks”对象到payload。

payload = {
    "output_type": "chat",
    "input_type": "chat",
    "input_value": "hello world!",
    "tweaks": {
        "Agent-ZOknz": {
            "agent_llm": "Groq",
            "api_key": "GROQ_API_KEY",
            "model_name": "llama-3.1-8b-instant"
        }
    }
}

它是临时的，所以我不搞乱原flow。

Langflow达到了一个不错的平衡：简单到你可以点来点去几分钟建好东西，但又灵活到能真正集成进app。

如果你是AI agents的新手，从Desktop或Docker开始。如果你更像开发者，我推荐用Python package。

虽然它不完美——偶尔需要点耐心启动东西，documentation还在赶上——但它仍是我用过的最无缝的AI工作流工具之一。

本文转载自AI大模型观察站，作者：AI研究生

标签

AI Agent

LLM

API

已于2025-10-16 07:17:32修改