LangFlow 1.x 系列【3】入门案例

文章目录

  • [1. 前置准备](#1. 前置准备)
    • [1.1 安装并启动 Langflow](#1.1 安装并启动 Langflow)
    • [1.2 设置中文](#1.2 设置中文)
  • [2. 简单工作流](#2. 简单工作流)
    • [2.1 添加模型提供商](#2.1 添加模型提供商)
    • [2.2 选择模板](#2.2 选择模板)
    • [2.3 节点编排](#2.3 节点编排)
      • [2.3.1 提示词模板](#2.3.1 提示词模板)
      • [2.3.2 聊天输入](#2.3.2 聊天输入)
      • [2.3.3 语言模型](#2.3.3 语言模型)
      • [2.3.4 聊天记录](#2.3.4 聊天记录)
    • [2.4 对话测试](#2.4 对话测试)

1. 前置准备

1.1 安装并启动 Langflow

访问 http://localhost:7860/ :

1.2 设置中文

点击右上角【头像-设置】:

设置语言:

2. 简单工作流

2.1 添加模型提供商

点击项目后,点击【新流程】:

点击【配置模型提供程序】:

选择模型并配置 API Key :

如果没有这些模型的 API Key ,后面会演示如何添加国产大模型!

2.2 选择模板

可以通过平台预制的模板进行创建,点击【浏览更多】:

可以查看所有可用模板,选择【基础提示】:

进入了【可视化编排页面】:

2.3 节点编排

2.3.1 提示词模板

作用 :封装系统角色提示词,用来给大模型定人设、约束行为规则。

输出端口:提示 → 连线送入【语言模型】的系统消息槽位,作为全局角色指令。

点击【全屏】:

我们输入一个【短视频文案】模板,使用 { }定义了四个变量:

点击【保存并查看】:

2.3.2 聊天输入

作用 :接收用户在调试面板(Playground)里发的提问文本

输出端口:聊天消息 → 连线送入【语言模型】的输入槽位,把用户问题传给大模型。

2.3.3 语言模型

作用:大模型结合人设指令 + 用户问题推理生成回答。

两个输入来源:

  • 用户原始提问(聊天输入)
  • 角色系统提示词(Prompt Template)

输出端口:把生成好的回复传给下一个节点。

默认会选择我们之前配置的语言模型:

也可以选择【更多组件】,选择【DeepSeek】添加新的模型节点,然后替换为 DeepSeek 模型:

2.3.4 聊天记录

作用 :接收大模型的回答,渲染展示在 Playground 对话界面里,完成一轮问答闭环

输入:接收模型输出文本

输出:最终前端展示消息

2.4 对话测试

点击【Playground】:

可以直接进行对话测试:

相关推荐
invicinble几秒前
提示词设计与维特根斯坦哲学
人工智能
MiYi124062 分钟前
2026深度解读:Work Agent如何拆解复杂需求并执行长程任务
人工智能
镜象科技3 分钟前
企业AI心理健康服务怎么选?需求动因、三类路线与选型方法
人工智能
亚远景aspice4 分钟前
亚远景科技受邀出席随州2026世界标准日培训会:建言汽车出口认证与研发能力重塑
人工智能·科技·aspice·过程改进·亚远景科技·过程能力评估·aspice评估
昔我往昔9 分钟前
chromadb 这个query_texts 查询的是基于分词还是基于向量查询的
python·chromadb
oscar99916 分钟前
Opik 优化器数据集指南:如何定义、拆分与验证你的数据
人工智能·数据集·opik
码哥字节16 分钟前
WorkBuddy 装完就吃灰?3 个动作让 AI 真帮你干活
agent
for_ever_love__18 分钟前
上下文工程:比提示词工程更重要的事
llm·agent·提示词·设计·context·engineering·上下文工程
飞鸟真人18 分钟前
AI应用入门(七)用 promptfoo 测试评估 Ollama 本地模型
人工智能·安全测试·ai agent
鸿业远图科技21 分钟前
抚顺市_公交站点
python