尧图网页设计 
Langflow 实战从安装到发布第一个 AI 工作流的 30 分钟笔记【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 是一个可视化 AI 工作流编排工具在画布上拖拽组件、连线就能跑通调用大模型、查向量库、请求外部接口的流程全程不写代码。跑通之后每个流程还能一键发布成 HTTP API 或 MCP 服务给其他应用直接调用。本文按任务拆解最短上手路径、四个高频操作和五个真实坑点。最快跑通 Langflowuv 安装 Python 包前置要求Python 3.10–3.14、uv 包管理器没有就先pip install uv、建议 4GB 内存。uv venv .venv source .venv/bin/activate uv pip install langflow uv run langflow run浏览器打开 http://127.0.0.1:7860 即可进入。首次启动要初始化数据库并加载组件需要几分钟别当成卡死。其余两条路线一句话带过源码方式clone 仓库后在根目录执行make run_cli适合要参与开发的人容器方式docker run -p 7860:7860 langflowai/langflow:latest适合不想碰 Python 环境的机器。注意安装务必用 uv 而不是 pip。Langflow 依赖树很大pip 的依赖解析经常长时间卡住这是官方排错文档里最常见的一类安装问题。三分钟看懂 Langflow 界面五个必知要点首次启动落在 Projects 页面默认 Starter Project 会存放你所有的流程。Flow流程最小执行单元由组件和连线组成。运行时 Langflow 按依赖顺序执行各组件整个流程可序列化为 JSON支持导出和导入。组件与端口从左侧 Core Components 或 Bundles 菜单拖到画布。每个组件有输入/输出端口连线只在数据类型匹配时成立连错线界面会直接提示。Playground右上角的调试入口。运行流程时会逐步展示模型选了什么工具、中间输出了什么排错主要靠它。发布流程可以发布为/runAPI 或 MCP 服务。Share → API access 会生成带好地址、FLOW_ID 和 API key 的现成请求代码。数据位置流程、设置、缓存都在~/.langflow目录默认数据库是 SQLite。升级前备份这个目录即可。四个常见任务怎么做、什么时候用、坑在哪接上模型并跑第一个流程刚上手时做不要从空画布开始。New Flow 后选Simple Agent模板它已经连好 Agent、Chat Input、Chat Output外加 Calculator 和 URL 两个工具。点 Agent 组件里的Setup Provider填模型厂商和 API KeyOpenAI 等在线厂商或用 Ollama 接本地模型。在Language Model下拉里选中刚配置好的模型。点Playground问一句数学题Agent 会自动调用 Calculator 工具作答。坑下拉里看不到模型九成是厂商 Key 没填对。模型也可以在 Langflow 的全局 Models 配置里一次性配好之后任意组件直接选。搭一个基于自有文档的 RAG 问答流需要模型按资料回答时做用内置Vector Store RAG模板包含两个子流程Load Data Flow 负责把文件灌进向量库Retriever Flow 负责实际问答。给两个 Embedding 组件填 API Key。向量库组件可换成 Chroma DB本地运行更省事。在 Load Data Flow 的 Read File 组件选本地文件再点向量库组件的Run component文件会被切块、向量化并存库。切到 Retriever Flow开 Playground 测试提问。坑加载流只在首次或文档更新时跑一次。如果回答和资料无关先检查两个子流程里向量库组件指向的库、Embedding 模型是否一致不一致时向量对不上检索必然落空。给流程加条件分支同一输入要走不同处理时做用 If-Else 或条件路由组件按关键词、正则匹配把请求分流到不同分支组件用法见 docs/docs/Components/if-else.mdx。坑分支按配置顺序匹配先命中先走。把更具体的条件比如某个商品编号放前面兜底的其他分支放最后否则具体请求会被前面的宽泛条件截走。把流程暴露成 API流程调通后做流程编辑页点Share → API access页面生成带服务器地址、FLOW_ID 的 curl / Python / JS 请求代码请求打到POST /api/v1/run/FLOW_IDcurl -X POST http://127.0.0.1:7860/api/v1/run/FLOW_ID \ -H Content-Type: application/json \ -H x-api-key: YOUR_API_KEY \ --data {input_value: hello, input_type: chat, output_type: chat}API Key 要先在头像 → Settings → Langflow API Keys 里新建。另外现有组件不够用时可以自己用 Python 写组件目录结构参考仓库里的 src/bundles/。高频问题排错现象 → 原因 → 处理运行时报No module named langflow.__main__原因机器上有多个 Langflow 版本shell 选到了错误的可执行文件。 处理改用uv run langflow run或python -m langflow run仍不行就uv pip install langflow -U --force-reinstall。安装长时间卡在 pip is looking at multiple versions of...原因pip 解析 Langflow 的依赖树极慢甚至最终失败。 处理换成 uv 安装这也是本文安装路线选 uv 的原因。Linux 上安装失败报 webrtcvad 编译错误原因缺少 C 编译工具链。 处理sudo apt-get install build-essential python3-dev后重试仍失败就先把webrtcvad-wheels装进虚拟环境再装 Langflow。Playground 里没有输入框原因Playground 只支持问答型流程必须有 Chat Input直接或间接连到 Language Model 或 Agent 的 Input 端口且有 Chat Output。 处理补齐这三个组件并连好线输入框就会出现。端口 7860 被占用原因之前的实例还在运行或多个本地实例共用默认端口。 处理lsof -i :7860找到进程后停掉多个实例并存时用独立浏览器配置文件访问避免登录态互相干扰。部署选型本地、容器还是服务器本地uv Python 包个人开发首选数据在~/.langflow默认 SQLite 单机够用升级前先备份。容器Docker要上生产的第一选择。仓库自带 docker_example/docker-compose.yml一条docker compose up拉起 Langflow 加 PostgreSQL 并挂持久卷重启不丢流程。官方镜像默认关闭自动登录启动时记得设置LANGFLOW_SUPERUSER_PASSWORD细节见 docs/docs/Deployment/deployment-docker.mdx。服务器 / 云平台多人使用或对外提供 API 时用 Compose 或云平台部署数据库换 PostgreSQL配好反向代理和证书即可参考仓库 docs/docs/Deployment/ 下的部署指南。下一步去哪组件参考在 docs/docs/Components/API 参考在 docs/docs/API-Reference/完整教程在 docs/docs/Tutorials/RAG、Agent、MCP 都有可跟做的例子遇到本文没覆盖的报错直接查 docs/docs/Support/troubleshooting.mdx那里收录的现象比这篇多得多。【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 Langflow 实战：从安装到发布第一个 AI 工作流的 30 分钟笔记
Langflow 实战从安装到发布第一个 AI 工作流的 30 分钟笔记【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 是一个可视化 AI 工作流编排工具在画布上拖拽组件、连线就能跑通调用大模型、查向量库、请求外部接口的流程全程不写代码。跑通之后每个流程还能一键发布成 HTTP API 或 MCP 服务给其他应用直接调用。本文按任务拆解最短上手路径、四个高频操作和五个真实坑点。最快跑通 Langflowuv 安装 Python 包前置要求Python 3.10–3.14、uv 包管理器没有就先pip install uv、建议 4GB 内存。uv venv .venv source .venv/bin/activate uv pip install langflow uv run langflow run浏览器打开 http://127.0.0.1:7860 即可进入。首次启动要初始化数据库并加载组件需要几分钟别当成卡死。其余两条路线一句话带过源码方式clone 仓库后在根目录执行make run_cli适合要参与开发的人容器方式docker run -p 7860:7860 langflowai/langflow:latest适合不想碰 Python 环境的机器。注意安装务必用 uv 而不是 pip。Langflow 依赖树很大pip 的依赖解析经常长时间卡住这是官方排错文档里最常见的一类安装问题。三分钟看懂 Langflow 界面五个必知要点首次启动落在 Projects 页面默认 Starter Project 会存放你所有的流程。Flow流程最小执行单元由组件和连线组成。运行时 Langflow 按依赖顺序执行各组件整个流程可序列化为 JSON支持导出和导入。组件与端口从左侧 Core Components 或 Bundles 菜单拖到画布。每个组件有输入/输出端口连线只在数据类型匹配时成立连错线界面会直接提示。Playground右上角的调试入口。运行流程时会逐步展示模型选了什么工具、中间输出了什么排错主要靠它。发布流程可以发布为/runAPI 或 MCP 服务。Share → API access 会生成带好地址、FLOW_ID 和 API key 的现成请求代码。数据位置流程、设置、缓存都在~/.langflow目录默认数据库是 SQLite。升级前备份这个目录即可。四个常见任务怎么做、什么时候用、坑在哪接上模型并跑第一个流程刚上手时做不要从空画布开始。New Flow 后选Simple Agent模板它已经连好 Agent、Chat Input、Chat Output外加 Calculator 和 URL 两个工具。点 Agent 组件里的Setup Provider填模型厂商和 API KeyOpenAI 等在线厂商或用 Ollama 接本地模型。在Language Model下拉里选中刚配置好的模型。点Playground问一句数学题Agent 会自动调用 Calculator 工具作答。坑下拉里看不到模型九成是厂商 Key 没填对。模型也可以在 Langflow 的全局 Models 配置里一次性配好之后任意组件直接选。搭一个基于自有文档的 RAG 问答流需要模型按资料回答时做用内置Vector Store RAG模板包含两个子流程Load Data Flow 负责把文件灌进向量库Retriever Flow 负责实际问答。给两个 Embedding 组件填 API Key。向量库组件可换成 Chroma DB本地运行更省事。在 Load Data Flow 的 Read File 组件选本地文件再点向量库组件的Run component文件会被切块、向量化并存库。切到 Retriever Flow开 Playground 测试提问。坑加载流只在首次或文档更新时跑一次。如果回答和资料无关先检查两个子流程里向量库组件指向的库、Embedding 模型是否一致不一致时向量对不上检索必然落空。给流程加条件分支同一输入要走不同处理时做用 If-Else 或条件路由组件按关键词、正则匹配把请求分流到不同分支组件用法见 docs/docs/Components/if-else.mdx。坑分支按配置顺序匹配先命中先走。把更具体的条件比如某个商品编号放前面兜底的其他分支放最后否则具体请求会被前面的宽泛条件截走。把流程暴露成 API流程调通后做流程编辑页点Share → API access页面生成带服务器地址、FLOW_ID 的 curl / Python / JS 请求代码请求打到POST /api/v1/run/FLOW_IDcurl -X POST http://127.0.0.1:7860/api/v1/run/FLOW_ID \ -H Content-Type: application/json \ -H x-api-key: YOUR_API_KEY \ --data {input_value: hello, input_type: chat, output_type: chat}API Key 要先在头像 → Settings → Langflow API Keys 里新建。另外现有组件不够用时可以自己用 Python 写组件目录结构参考仓库里的 src/bundles/。高频问题排错现象 → 原因 → 处理运行时报No module named langflow.__main__原因机器上有多个 Langflow 版本shell 选到了错误的可执行文件。 处理改用uv run langflow run或python -m langflow run仍不行就uv pip install langflow -U --force-reinstall。安装长时间卡在 pip is looking at multiple versions of...原因pip 解析 Langflow 的依赖树极慢甚至最终失败。 处理换成 uv 安装这也是本文安装路线选 uv 的原因。Linux 上安装失败报 webrtcvad 编译错误原因缺少 C 编译工具链。 处理sudo apt-get install build-essential python3-dev后重试仍失败就先把webrtcvad-wheels装进虚拟环境再装 Langflow。Playground 里没有输入框原因Playground 只支持问答型流程必须有 Chat Input直接或间接连到 Language Model 或 Agent 的 Input 端口且有 Chat Output。 处理补齐这三个组件并连好线输入框就会出现。端口 7860 被占用原因之前的实例还在运行或多个本地实例共用默认端口。 处理lsof -i :7860找到进程后停掉多个实例并存时用独立浏览器配置文件访问避免登录态互相干扰。部署选型本地、容器还是服务器本地uv Python 包个人开发首选数据在~/.langflow默认 SQLite 单机够用升级前先备份。容器Docker要上生产的第一选择。仓库自带 docker_example/docker-compose.yml一条docker compose up拉起 Langflow 加 PostgreSQL 并挂持久卷重启不丢流程。官方镜像默认关闭自动登录启动时记得设置LANGFLOW_SUPERUSER_PASSWORD细节见 docs/docs/Deployment/deployment-docker.mdx。服务器 / 云平台多人使用或对外提供 API 时用 Compose 或云平台部署数据库换 PostgreSQL配好反向代理和证书即可参考仓库 docs/docs/Deployment/ 下的部署指南。下一步去哪组件参考在 docs/docs/Components/API 参考在 docs/docs/API-Reference/完整教程在 docs/docs/Tutorials/RAG、Agent、MCP 都有可跟做的例子遇到本文没覆盖的报错直接查 docs/docs/Support/troubleshooting.mdx那里收录的现象比这篇多得多。【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