我的第一个LangFlow工作流——复读机

背景

之前由于想学习AI Agent相关的知识，安装了LangFlow。自己尝试运行了一下LangFlow设定好的工作流。今天试着自己搭建了一个简单的工作流。不涉及调用AI模型。就是一个简单的复读机功能，用户输入啥，工作流就返回啥。虽说简单，但也能帮助理解LangFlow工作流的搭建。过程中也遇到了一些问题，在此记录一下。

我用两种方式实现了复读机工作流的搭建。

使用LangFlow自带的组件
自定义组件

工作流搭建

实现思路

首先，要搭建一个复读机功能的工作流，只需要实现将输入原原本本地输出就行了。

结合LangFlow的组件，我们可以使用Chat Input 组件读取输入，然后使用Chat Output组件将输入的内容直接输出。

按照上面的思路，搭建出来的工作流看起来应该像下面这样

思路验证

按照上面的工作流运行，我没有得到自己期望的结果。运行之后，我在对话界面输入内容，没有任何反馈。

为什么会出现上面这样的问题呢？Chat Input 组件输入内容，Chat Output组件输出内容。应该没错呀。

问题分析

通过查询相关资料，发现Chat Output 组件不能直接接收Chat Input组件的输出。通过LangFlow的界面，可以分别看到这两个组件的输出类型和能够接收的输入类型。查看方法如下

Chat Input组件的输出类型如下

python 复制代码

    outputs = [
        Output(display_name="Message", name="message", method="message_response"),
    ]

    async def message_response(self) -> Message:
        background_color = self.background_color
        text_color = self.text_color
        icon = self.chat_icon

        message = await Message.create(
            text=self.input_value,
            sender=self.sender,
            sender_name=self.sender_name,
            session_id=self.session_id,
            files=self.files,
            properties={
                "background_color": background_color,
                "text_color": text_color,
                "icon": icon,
            },
        )
        if self.session_id and isinstance(message, Message) and self.should_store_message:
            stored_message = await self.send_message(
                message,
            )
            self.message.value = stored_message
            message = stored_message

        self.status = message
        return message

Chat Output组件的输入类型如下

python 复制代码

inputs = [
        HandleInput(
            name="input_value",
            display_name="Text",
            info="Message to be passed as output.",
            input_types=["Data", "DataFrame", "Message"],
            required=True,
        ),
        BoolInput(
            name="should_store_message",
            display_name="Store Messages",
            info="Store the message in the history.",
            value=True,
            advanced=True,
        ),
        DropdownInput(
            name="sender",
            display_name="Sender Type",
            options=[MESSAGE_SENDER_AI, MESSAGE_SENDER_USER],
            value=MESSAGE_SENDER_AI,
            advanced=True,
            info="Type of sender.",
        ),
        MessageTextInput(
            name="sender_name",
            display_name="Sender Name",
            info="Name of the sender.",
            value=MESSAGE_SENDER_NAME_AI,
            advanced=True,
        ),
        MessageTextInput(
            name="session_id",
            display_name="Session ID",
            info="The session ID of the chat. If empty, the current session ID parameter will be used.",
            advanced=True,
        ),
        MessageTextInput(
            name="data_template",
            display_name="Data Template",
            value="{text}",
            advanced=True,
            info="Template to convert Data to Text. If left empty, it will be dynamically set to the Data's text key.",
        ),
        MessageTextInput(
            name="background_color",
            display_name="Background Color",
            info="The background color of the icon.",
            advanced=True,
        ),
        MessageTextInput(
            name="chat_icon",
            display_name="Icon",
            info="The icon of the message.",
            advanced=True,
        ),
        MessageTextInput(
            name="text_color",
            display_name="Text Color",
            info="The text color of the name",
            advanced=True,
        ),
        BoolInput(
            name="clean_data",
            display_name="Basic Clean Data",
            value=True,
            info="Whether to clean the data",
            advanced=True,
        ),
    ]

通过对比可以发现，Chat Input 组件最终输出的是Message 类型，而Chat Output组件不能接收这个类型。

要解决这个问题，需要在Chat Input 组件和Chat Output 组件之间再新增一个数据转换组件，这个组件接收Message 类型，将接收的数据转换为Data 类型输出，作为Chat Output类型的输入。

有了解决方案，下面便开始搭建工作流。

实现方案

在具体实现的过程中，发现有两种方法都可以达到目的，一是我发现LangFlow有一个自带的Beta版的消息转换组件Message to Data，使用这个组件可以实现数据类型转换。二是可以自定义一个组件，实现数据类型的转换。

下面介绍分别用两种方法实现复读机的工作流。

LangFlow自带组件转换

这种方法很简单，只需要将Message to Data组件添加到工作流即可。该组件在LangFlow组件面板的Processing类下。如下图所示：

添加该组件之后的完整工作流如下：

向上面这样配置好工作流之后，就可以了。运行效果如下：

自定义组件转换

自定义组件进行数据的转换，操作步骤如下：

在工作面板左下角，有一个New Custom Component 菜单，点击该菜单，会在工作流设计面板中创建一个名为Custom Component的组件。

点击该组件左上角的Code，进入代码编写的界面。

在代码编辑界面编写类型转换的处理逻辑，编写好之后保存即可。完整的代码如下：

python 复制代码

from loguru import logger

from langflow.custom import Component
from langflow.io import MessageTextInput, Output
from langflow.schema import Data
from langflow.schema.message import Message


class MessageToChatMessage(Component):
    display_name = "复读机"
    description = "将ChatInput组件的消息转换为Data对象"
    icon = "message-square-share"
    name = "MessageToChatMessage"

    inputs = [
        MessageInput(
            name="input_value",
            display_name="Input Value",
            info="This is a custom component Input",
        ),
    ]

    outputs = [
        Output(display_name="Output", name="output", method="build_output"),
    ]

    def build_output(self) -> Data:
        if isinstance(self.input_value,Message):
            # 将输入转换为Data
            return Data (data=self.input_value.data)

        msg = "Error converting Message to Data: Input must be a Message object"
        logger.opt(exception=True).debug(msg)
        self.status = msg
        return  Data(data={"error": msg})

配置完成后的工作流如下：

PS：组件的现实标题可以自己配置。

运行效果如下图所示：

至此，便实现了一个简单的复读机工作流。