AI应用程序低代码构建平台Langflow

什么是 Langflow ?

Langflow 是一款适用于 RAG 和多智能体 AI 应用程序的低代码应用构建器。它基于 Python,并且与任何模型、API 或数据库无关。

软件的核心功能

  1. 基于 Python 并且与模型、API、数据源或数据库无关。
  2. 可视化集成开发环境,支持拖放构建和测试工作流。
  3. 提供游乐场,允许立即测试和逐步控制工作流的迭代。
  4. 多代理协调、对话管理和检索。
  5. 免费云服务,让您在几分钟内快速入门,无需设置。
  6. 可发布为 API 或导出为 Python 应用程序。
  7. 通过集成 LangSmithLangFuseLangWatch 实现可观察性。
  8. 企业级安全性和可扩展性,提供免费的 DataStax Langflow 云服务。
  9. 可以使用 Python 自定义工作流或完全创建流程。
  10. 生态系统集成,作为可重用组件适用于任何模型、API 或数据库。

详细的功能演示,可以参考官方的视频:https://www.bilibili.com/video/BV1Xb4SenE5S

Langflow 功能演示

安装

在群晖上以 Docker 方式安装。

在注册表中搜索 langflow ,选择第一个 langflowai/langflow,版本选择 latest

本文写作时, latest 版本对应为 v1.0.18

采用 docker-compose 安装,将下面的内容保存为 docker-compose.yml 文件

yaml 复制代码
version: "3.8"

services:
  langflow:
    image: langflowai/langflow:latest
    container_name: langflow-web
    pull_policy: always
    ports:
      - "7860:7860"
    volumes:
      - ./data:/app/langflow
    environment:
      - LANGFLOW_DATABASE_URL=postgresql://langflow:langflow@postgres:5432/langflow
    depends_on:
      - postgres

  postgres:
    image: postgres:16
    container_name: langflow-db
    # ports:
    #   - "5432:5432"
    volumes:
      - ./postgres:/var/lib/postgresql/data
    environment:
      POSTGRES_USER: langflow
      POSTGRES_PASSWORD: langflow
      POSTGRES_DB: langflow

关于环境变量的简单说明

可变
POSTGRES_USER 数据库用户
POSTGRES_PASSWORD 数据库用户对应的密码
POSTGRES_DB 数据库库名
LANGFLOW_DATABASE_URL 数据库访问 URL

一般来说,数据库连接地址的格式是: postgresql://<POSTGRES_USER>:<POSTGRES_PASSWORD>@<数据库主机>:<数据库端口>/<POSTGRES_DB>

然后执行下面的命令

bash 复制代码
# 新建文件夹 langflow 和 子目录
mkdir -p /volume1/docker/langflow/{data,postgres}

# 进入 langflow 目录
cd /volume1/docker/langflow

# 将 docker-compose.yml 放入当前目录

# 一键启动
docker-compose up -d

运行

在浏览器中输入 http://群晖IP:7860 就能看到主界面

Start Here 创建项目,会弹出模版供你选择

例如老苏选择了 Blog Writter

流程中默认使用的是 OpenAI,但老苏没有 Key

所以改成了 Ollama

文章传送门:本地大模型运行框架Ollama

测试了一下

忘了改中文了,再来一次

txt 复制代码
请参考以上内容的风格,撰写一篇关于 Langflow 和人工智能的新博客/教程。建议一些未涵盖的主题。并使用中文输出。

虽然时间有点长,但是效果似乎还不错

参考文档

langflow-ai/langflow: ⛓️ Langflow is a dynamic graph where each node is an executable unit. Its modular and interactive design fosters rapid experimentation and prototyping, pushing hard on the limits of creativity.

地址:https://github.com/langflow-ai/langflow
Langflow - Create your chatbot!

地址:https://www.langflow.org/
12 Expert Tips and Features for Building AI Apps VISUALLY with Langflow - YouTube

地址:https://www.youtube.com/watch?v=kinngWhaUKM

相关推荐
OpenCSG15 分钟前
对比分析:CSGHub vs. Hugging Face:模型管理平台选型对
人工智能·架构·开源
云上凯歌16 分钟前
传统老旧系统的“AI 涅槃”:从零构建企业级 Agent 集群实战指南
人工智能
cskywit24 分钟前
破解红外“魅影”难题:WMRNet 如何以频率分析与二阶差分重塑小目标检测?
人工智能·深度学习
无名修道院33 分钟前
AI大模型应用开发-RAG 基础:向量数据库(FAISS/Milvus)、文本拆分、相似性搜索(“让模型查资料再回答”)
人工智能·向量数据库·rag·ai大模型应用开发
自可乐35 分钟前
Milvus向量数据库/RAG基础设施学习教程
数据库·人工智能·python·milvus
Loo国昌41 分钟前
【大模型应用开发】第二阶段:语义理解应用:文本分类与聚类 (Text Classification & Clustering)
人工智能·分类·聚类
XX風1 小时前
3.2K-means
人工智能·算法·kmeans
feasibility.1 小时前
在OpenCode使用skills搭建基于LLM的dify工作流
人工智能·低代码·docker·ollama·skills·opencode·智能体/工作流
进击monkey1 小时前
PandaWiki:开源企业级AI知识库工具,基于RAG架构的私有化部署方案
人工智能·开源
zy_destiny2 小时前
【工业场景】用YOLOv26实现桥梁检测
人工智能·深度学习·yolo·机器学习·计算机视觉·目标跟踪