Langflow是一款用于构建和部署AI驱动的代理和工作流的强大工具。它为开发者提供了直观的可视化开发体验和内置的API服务器，使每个代理都可以作为API端点集成到任何框架或栈的应用程序中。Langflow支持所有主要的LLM（大型语言模型）、向量数据库，并且拥有一个不断增长的AI工具库。

基础知识点

什么是Langflow？

Langflow是一个开源的Python工具，允许开发者快速原型化和构建AI应用。它支持多种LLM和向量数据库，提供了一个可视化的流程构建器，帮助开发者轻松创建复杂的AI工作流。

主要特点

可视化构建器：快速开始和迭代开发。代码访问：开发者可以使用Python调整任何组件。沙盒环境：立即测试和迭代流程。多代理编排：管理对话和检索。API部署：将流程部署为API或导出为JSON用于Python应用。可观察性：与LangSmith、LangFuse等工具集成。企业级安全性和可扩展性。

安装Langflow

Langflow支持Python 3.10至3.13版本。以下是安装步骤：

使用uv安装（推荐）

uv pip install langflow

使用pip安装

pip install langflow

使用pipx安装

pipx install langflow --python python3.10

运行Langflow

使用uv运行：

uv run langflow run

使用pip运行：

python -m langflow run

访问http://127.0.0.1:7860以确认Langflow已成功启动。

部署Langflow

自托管

Langflow完全开源，可以部署到所有主要的云平台。使用Docker进行部署，请参考相关文档。

DataStax托管

DataStax Langflow提供全托管环境，无需任何设置。开发者可以注册免费账户开始使用。

示例代码

使用Langflow API运行流程

以下是使用Node.js通过Langflow API运行一个流程的示例：

import { LangflowClient } from "@datastax/langflow-client";const langflowId = "YOUR_LANGFLOW_ID";const apiKey = "YOUR_API_KEY";const client = new LangflowClient({ langflowId, apiKey });const flowId = "YOUR_FLOW_ID";const flow = client.flow(flowId);const response = await flow.run("Hello, how are you?");console.log(response.outputs);

构建AI购物助手

使用Langflow可以轻松构建AI购物助手。以下是基本步骤：

创建新项目：使用“Vector Store RAG”模板创建一个新项目。数据加载流程：指定产品数据文件（CSV），配置Astra DB向量存储组件。聊天流程：使用OpenAI模型与用户交互。

更多信息请参考Langflow文档和示例项目。