Langflow 1.8 正式发布:集中式提供商配置、更可预测的工作流 API,以及 UI 中更快速的调试与迭代。

核心改进

  • 全局模型提供商设置

  • API 重新设计(第一阶段):V2 API + 标准化工作流端点(测试版)

  • 更快的调试与迭代:追踪 + 检查面板 + 演练场更新

其他更新包括:

  • 知识库

  • 提示模板组件支持 Mustache 模板

  • 新增代理工具包、护栏和 LiteLLM 组件

  • 通过 langflow-base 实现模块化依赖安装

  • ......以及更多

接下来,我们将深入探讨其中部分特性,了解它们如何减少配置开销、简化集成,并加速你的构建与调试循环。


全局模型提供商

语言模型提供商现在可以集中配置,且设置可应用于整个 Langflow 实例。

你无需在每个 LLM 组件内部管理提供商凭据和设置,只需在"模型"面板中设置一次,即可在多个流程和组件中复用。这减少了凭据分散和配置漂移,轮换密钥或切换提供商也只需一次更新,而非在整个画布上手动修改。


API 重新设计:v2/工作流端点(测试版)

Langflow 1.8 引入了新的开发者 API,包含专用的 v2/workflow 端点。主要改进是响应更简洁,并支持异步后台任务。

以下是向 v2/workflow 端点发送 POST 请求的示例:

python

复制代码
import requests

url = f"{LANGFLOW_SERVER_URL}/api/v2/workflows"
headers = {
    "Content-Type": "application/json",
    "x-api-key": LANGFLOW_API_KEY
}

payload = {
    "flow_id": "flow_67ccd2be17f0819081ff3bb2cf6508e60bb6a6b452d3795b",
    "background": False,
    "inputs": {
        "ChatInput-abc.input_type": "chat",
        "ChatInput-abc.input_value": "what is 2+2",
        "ChatInput-abc.session_id": "session-123"
    }
}

response = requests.post(url, json=payload, headers=headers)
print(response.json())

响应更干净、更扁平,便于在应用程序中处理:

json

复制代码
{
  "flow_id": "flow_67ccd2be17f0819081ff3bb2cf6508e60bb6a6b452d3795b",
  "job_id": "job_id_1234567890",
  "object": "response",
  "created_at": 1741476542,
  "status": "completed",
  "errors": [],
  "inputs": {
    "ChatInput-abc.input_type": "chat",
    "ChatInput-abc.input_value": "what is 2+2",
    "ChatInput-abc.session_id": "session-123"
  },
  "outputs": {
    "ChatOutput-xyz": {
      "type": "message",
      "component_id": "ChatOutput-xyz",
      "status": "completed",
      "content": "2 + 2 equals 4."
    }
  },
  "metadata": {}
}

对于异步或长时间运行的任务,可在请求负载中将 background 设为 True。端点返回一个 job_id,你可以轮询该 ID 以获取状态和结果。

更多信息请参阅 工作流 API 文档。此功能仍处于测试阶段,我们欢迎你在 API 改进过程中提供反馈。


更快的调试与更灵敏的演练场

Langflow 1.8 包含多项 UI 改进,旨在加快迭代速度,让故障排除不再像黑箱操作。

Langflow 追踪(流程与组件追踪)

Langflow 1.8 中的追踪功能会记录流程和组件的详细追踪与跨度,帮助你调试问题、测量延迟并跟踪流程内的 token 使用情况。这让你能轻松了解流程的实际运行状况,从而快速发现问题并回归构建。

更多信息请参阅追踪文档

检查面板(实时组件检查)

Langflow 1.8 新增了专用的检查体验,让你能在执行期间或之后检查组件的内部状态、输入和输出。这减少了对外部日志或打印语句的依赖,以验证特定节点间的数据流。

此检查视图在工作区 UI 中展示执行细节,如输入/输出、日志、令牌和组件状态,使你能够更快地排除故障和调整组件。

演练场更新(优化的消息传递架构)

消息传递架构已全面改造,能够以更低延迟处理复杂数据类型和庞大的消息历史。在长时间的流式会话期间,你将体验到响应更快的聊天界面,渲染速度提升,浏览器内存开销降低。


知识库(本地向量数据库)

知识库是存储在 Langflow 中的本地向量数据库,因此你的数据无需在每次运行时都从远程服务获取和重新导入。知识库让你能直接在流程中轻松使用向量数据。更多信息请参阅知识库文档


提示模板的 Mustache 模板支持

提示模板组件现在支持 Mustache 模板,使得变量注入和动态提示更加容易。更多信息请参阅提示模板文档


模块化依赖安装

Langflow 1.8 引入了 langflow-base 包。安装 langflow-base 时,你不会自动安装 Langflow 的所有依赖项。相反,你只需安装运行应用程序所需的模块以及任何自定义依赖项。

这减少了整体安装体积,使你的 Langflow 环境更精简、更有针对性,同时也更易于定制。更多信息请参阅安装自定义依赖项


新组件

Langflow 1.8 包含三个新组件:

  • 代理工具包(Agentics bundle):使用 LLM 填充、折叠或生成表格数据。

  • 护栏(Guardrails)组件:通过向 LLM 发出提示来验证流程。

  • LiteLLM 工具包:通过代理连接到多个 LLM。

相关推荐
ECT-OS-JiuHuaShan10 分钟前
渡劫代谢,好事多磨
数据库·人工智能·科技·学习·算法·生活
阿瑞说项目管理16 分钟前
有监督 vs 全自主:两种 Agent 范式,你选对了吗?
人工智能·agent·智能体·企业级ai
乔江seven18 分钟前
【李沐 | 动手学深度学习】18 深度学习硬件:TPU和其他
人工智能·深度学习·深度学习硬件
爱写代码的小朋友19 分钟前
生成式 AI 对中小学学生学习行为的影响及教育引导策略研究
人工智能
LeeChen21 分钟前
Claude Code 零改动接入 DeepSeek V4
人工智能
愈努力俞幸运24 分钟前
本地部署模型,推理框架,量化,蒸馏
人工智能
耳边轻语99927 分钟前
2026 年 4 月最新大模型对比
人工智能
半兽先生34 分钟前
04阶段:深度学习
人工智能·深度学习
赖在沙发上的熊41 分钟前
机器学习——机器学习概述
人工智能·机器学习
Yu_Lijing42 分钟前
Python数据分析和数据处理库Pandas(透视表)
人工智能·数据挖掘·数据分析·pandas