如何用 Langflow 从零搭出 3 个 AI 工作流：10 分钟装好、跑通文档问答

如何用 Langflow 从零搭出 3 个 AI 工作流10 分钟装好、跑通文档问答【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 是一个用可视化方式构建和部署 AI 智能体与工作流的开源工具。本文写给有基础 Python 知识、但不想手写 LangChain 代码的人从安装启动到搭出单轮对话智能体、文档问答、批量数据处理三个工作流每一步都讲清楚。首次上手5 分钟装好并启动准备环境并安装 Langflow最省事的方式是装官方 Python 包。要求 Python 3.10 到 3.14推荐用 uv 管理环境它比 pip 快也不容易卡在依赖解析上。建一个干净环境再安装uv venv .venv source .venv/bin/activate uv pip install langflowWindows 下激活命令是.venv\Scripts\activate。如果完全不想管环境也可以直接用官方 Docker 镜像启动细节见部署文档。启动服务并认识第一个界面uv run langflow run首次启动可能要等几分钟。就绪后在浏览器打开http://localhost:7860登录进入工作区左侧是组件库分Core components和Bundles两个标签页中间是空白画布顶部有New Flow、Playground等入口。之后搭所有工作流的节奏都一样添加组件、拖端口连线、点组件在右侧面板改参数、点Run component逐个验证输出。渐进实战从对话到数据处理的 3 个案例案例一单轮对话智能体点New Flow选Simple Agent模板。它预置了 5 个组件中间的Agent两侧连着的Chat Input和Chat Output以及右边的Calculator和URL两个工具。点Agent组件先在Setup Provider里选模型供应商OpenAI、Anthropic 等并填入API Key再从Language Model下拉框选具体模型。点右上角Playground进入测试对话窗问“44 等于几”页面会展示智能体选中Calculator工具、调用evaluate_expression再返回答案的过程。再问一个时事问题它会改走URL工具抓取网页并总结。到这里你就完成第一个智能体工作流Agent负责决定用哪个工具两个聊天组件负责输入输出。案例二把文档问答RAG做成工作流回到工作流列表再点New Flow这次选Vector Store RAG模板。它包含两个流Load Data Flow和Retriever Flow。数据侧是一条四组件流水线Read File读入本地文件Split Text切块Embedding Model生成向量Chroma DB写入向量库。运行前留意Split Text的Chunk Size默认 1000和Chunk Overlap默认 200两个参数后面如果 embedding 组件报 token 超限先把Chunk Size降到 500 以下。在OpenAI Embeddings这类组件里填好API KeyRead File选中文件后点Chroma DB上的Run component写库。数据流只在换文档时才需要重跑。问答侧是Retriever FlowChat Input→Embedding Model→ 向量库检索 →Parser拼回命中的片段 →Prompt→Language Model→Chat Output。按模板连好Chat Input就能在Playground里直接提问回答基于你上传的文档生成。案例三用 Loop 批量处理 CSVLoop组件负责批量场景Item端口逐个吐出条目给下游下游链路最后一环回到Looping端口全部处理完后聚合结果从Done端口送出。官方示例流是这样的Read File读入 CSV →Loop按行拆 →Type Convert把每行转成Message→Structured Output输出 JSON 对象 → 回到循环最终聚合结果可送给Chroma DB或其他输出组件。需要自定义逻辑时加一个Python InterpreterGlobal Imports里以逗号分隔填包名如pandasPython Code里写代码用print()看输出。它只能导入当前环境已安装的包遇到ImportError要先装包。给这个组件开启Tool Mode还能把它接到Agent上当工具让智能体自主调用 Python 代码。常见报错问题、原因与解决端口 7860 被占用默认端口被其他程序占用。用uv run langflow run --port 8080换端口或设置LANGFLOW_PORT环境变量命令行参数优先于环境变量。报No module named langflow.__main__通常是系统里装过多个 Langflow跑到了错误的可执行文件。改用uv run langflow run从虚拟环境启动仍失败就uv pip install langflow -U升级。Playground 里没有输入框工作流没构成聊天结构——需要Chat Input直接或间接连到Language Model或Agent并接Chat Output。非聊天类工作流只能点Run component测试。API key 缺失或无效逐个检查用到模型或搜索服务的组件的API Key字段或对应全局变量同时确认供应商账户余额和权限。pip install卡住或 Linux 下构建失败依赖解析长时间无进展就换成上面的 uv 方式安装报Failed to build webrtcvad时先装build-essential和python3-dev再重试。更多报错可查官方排错文档 troubleshooting.mdx。下一步官方文档入口Quickstart组件详解在 Components 目录。后端源码src/backend/langflow/组件基类与核心组件在 src/backend/base/langflow/。进阶方向用/runAPI 从外部应用触发工作流、把 Langflow 暴露为 MCP 服务器、用 Docker 部署到生产环境。【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