LangFlow 1.x 系列【7】工作流创建与部署指南

文章目录

  • [1. 流程](#1. 流程)
    • [1.1 是什么](#1.1 是什么)
    • [1.2 数据表示](#1.2 数据表示)
  • [2. 创建流程](#2. 创建流程)
    • [2.1 方式一:新建空白流程](#2.1 方式一:新建空白流程)
    • [2.2 方式二:基于模板创建](#2.2 方式二:基于模板创建)
    • [2.3 方式三:AI 生成](#2.3 方式三:AI 生成)
    • [2.3 方式四:复制已有流程](#2.3 方式四:复制已有流程)
    • [2.4 方式五:导入外部流程](#2.4 方式五:导入外部流程)
    • [2.5 方式六(补充):通过 API 创建](#2.5 方式六(补充):通过 API 创建)
  • [3. 添加组件](#3. 添加组件)
    • [3.1 添加步骤](#3.1 添加步骤)
    • [3.2 组件配置项](#3.2 组件配置项)
    • [3.3 连线与端口类型](#3.3 连线与端口类型)
  • [4. 运行流程](#4. 运行流程)
    • [4.1 阶段一:Playground 调试(开发期)](#4.1 阶段一:Playground 调试(开发期))
    • [4.2 阶段二:API 触发(开发→生产)](#4.2 阶段二:API 触发(开发→生产))
    • [4.3 阶段三:容器化部署(生产)](#4.3 阶段三:容器化部署(生产))

1. 流程

1.1 是什么

流程Flow是应用业务工作流的可视化功能载体,负责接收输入、处理数据并输出结果。

一个流程由多个组件Component)组成,每个组件对应业务流程中一个独立的执行步骤。组件之间通过连线传递数据,整体构成一张有向图。

简单示例:

复制代码
[Chat Input] ──> [Prompt] ──> [Language Model] ──> [Chat Output]
   (接收输入)     (拼提示词)      (调大模型)         (输出回复)

流程 vs 组件 vs 项目:

概念 关系
项目(Folder) 容器,组织多个流程
流程(Flow) 一个完整工作流,由组件拼接而成
组件(Component) 流程内的最小执行单元

1.2 数据表示

Langflow 内部,一个流程就是一份结构化的 JSON 数据,包含:

组成 说明
nodes 节点列表(每个节点 = 一个组件实例 + 配置参数)
edges 连线列表(定义节点间的数据流向与端口映射)
flow_id / name / description 流程元信息
folder_id 所属项目文件夹

因为流程本质是 JSON,所以它可以完整序列化 ------保存在本地文件系统、数据库,可导出分享、可版本管理、可通过 API 创建与触发。


2. 创建流程

进入项目页面后,有多种创建流程的方式。

2.1 方式一:新建空白流程

操作: 选中项目 → 点击「新建流程(+ New Flow)」→ 选择「空白流程」。

结果: 创建一个空流程,直接跳转到画布编辑器(/flow/:id),带欢迎引导。从零开始拖组件搭建。

适用: 完全自定义的工作流,或想从零理解每一步。

点击 New Flow

点击更多:

选择创建空白流程:

进入画布:


2.2 方式二:基于模板创建

操作: 选中项目 → 点击「新建流程」→ 选用所需模板。

模板是什么: 模板是 Langflow 预置的示例流程 ,覆盖常见 AI 场景,开箱即用、可二次修改。

适用: 快速起步------基于接近需求的模板改,比从零搭快得多。

内置 41Starter Project 模板,包括:

模板分类 代表模板
基础入门 Basic Prompting、Basic Prompt Chaining
问答/RAG Document Q&A、Knowledge Retrieval、Hybrid Search RAG
Agent Research Agent、Pokédex Agent、Custom Component Generator
内容生成 Blog Writer、Instagram Copywriter、Meeting Summary、News Aggregator
数据处理 Financial Report Parser、Invoice Summarizer、Market Research
多模态 Image Sentiment Analysis、Nvidia Remix
其他 Memory Chatbot、Portfolio Website Code Generator、Price Deal Finder

点击 New Flow 后默认就是基于模板创建:


2.3 方式三:AI 生成

内置 AI 生成 Flow 功能,不用手动拖拽组件,直接在对话框用自然语言描述需求,AI 自动生成完整 AI 工作流画布。

入口:

  • 选中项目 → 点击「新建流程」
  • 画布底部唤起 AI 对话框

点击 New Flow 后弹出 AI 助手:

在画布顶部唤起:

2.3 方式四:复制已有流程

操作: 找到目标流程 → 点击「更多(⋯)」→ 选择「复制(Duplicate)」。

结果: 创建该流程的副本(含全部节点、连线、参数),独立于原流程可任意修改。

适用: 已有流程想改造成新版本,或复用某流程的部分结构。


2.4 方式五:导入外部流程

操作: 详见「流程导入与导出」。

流程以 JSON 文件形式导出/导入

  • 导入: 项目页「上传(📤)」按钮选 JSON 文件;或直接把 .json 文件拖入主区域。
  • 导出: 流程卡片「⋯ → Download」,或编辑器内 ShareExport

适用: 跨实例迁移、团队共享、从社区/Store 获取流程。


2.5 方式六(补充):通过 API 创建

通过 Langflow APIPOST /api/v1/flows/create_flow)接口创建流程。

官方建议:先熟悉可视化编辑器操作,再使用 API 方式API 适合自动化批量创建、CI/CD 集成等场景。


3. 添加组件

流程由各类组件构成。组件是可配置、可连线的功能节点,每个组件负责一项专属任务(调用大模型、连接数据源、处理文本等)。

3.1 添加步骤

  1. 打开组件面板: 画布左侧的「核心组件(Categories)」或「组件包(Bundles)」面板。
  2. 拖拽到画布: 按住目标组件拖到画布空白处松开。
  3. 配置参数: 选中节点,直接点击输入框,或编辑按钮填写配置。
  4. 完成连线: 从节点右侧输出句柄拖线到下游节点左侧输入句柄。

拖拽一个【大模型组件】到画布:

配置参数:

完成连线:

3.2 组件配置项

每个组件都有专属配置项,分两类:

类型 说明 示例
通用配置 所有组件共有 display_name、description、icon、advanced 字段标记
专属配置 仅特定组件可用 OpenAI 组件的 model/api_key、Prompt 的模板文本

3.3 连线与端口类型

组件依靠连接线端口Handle)建立关联。每个端口规定了接收/传输的数据类型,类型不兼容则无法连线:

端口类型 传递内容 典型场景
Message 对话消息(含 text、sender、files) 聊天流组件间传递
Data 结构化键值数据 API 返回、数据操作
DataFrame 表格数据 CSV、批量处理
Embeddings / VectorStore 嵌入/向量库对象 RAG 建库
LanguageModel / Tool LangChain 对象 Agent、链式调用

拖拽兼容过滤: 选中某条连线或某组件后,左侧组件栏会自动过滤出类型兼容的组件,帮助快速找到能连的组件。


4. 运行流程

搭建好流程原型后,有三种运行方式,对应不同阶段:

4.1 阶段一:Playground 调试(开发期)

入口: 画布右上角 Playground 按钮(需 FlowChat Input + Chat Output)。

能力:

  • 在对话框直接发消息测试
  • 查看每个节点的中间结果(点节点查看输出)
  • 流式输出实时显示
  • 支持多轮对话(配合 Memory 组件)

适用: 几分钟内验证流程原型是否跑通。想快速上手可查阅 Langflow 快速入门指南。

Playground 按钮:

调试页面:

4.2 阶段二:API 触发(开发→生产)

入口: 画布右上角 ShareAPI access ,生成调用该 FlowREST API 端点。

能力:

  • 生成 cURL 示例、Python/JavaScript 代码片段
  • 支持 tweaks 参数覆盖组件配置
  • 支持 WebSocket 流式返回
  • 通过 API Key 鉴权

适用:Flow 集成到自己的应用、配置自定义依赖、对接外部系统。

API access

生成示例:

4.3 阶段三:容器化部署(生产)

Langflow 打包成容器部署到生产环境,或部署公网可访问的 Langflow MCP 服务端。

适用: 正式上线、对外提供服务。


相关推荐
chuan.bai16 分钟前
Java RAG 实战(第 11 篇):RAG 知识工作台网页
java·开发语言·人工智能
怕浪猫3 小时前
DeepSeek Harness 源码实战 第4章:Session 会话日志——单一事实源
agent·产品·资讯
fthux3 小时前
招聘季实测:我用 TraeWork 搭了一套 AI 简历初筛系统
人工智能·ai编程·trae
SLD_Allen3 小时前
NVIDIA KAI Scheduler深度解析——Kubernetes原生AI调度器的架构、原理与实践
人工智能·架构·kubernetes
小玮看世界3 小时前
从“画图”到“Mermaid”:AI语义理解与架构绘制的演进之路
人工智能·深度学习·计算机视觉
安_3 小时前
如何构建和使用向量索引?HNSW 和 IVF 有什么区别?
python·ai
小岐AI观4 小时前
智赋岐黄适合养生馆吗?
大数据·人工智能·物联网
YOLO数据集集合4 小时前
煤炭物料检测数据集:基于YOLO26的矿山传送带智能“哨兵”
人工智能·yolo·数据挖掘·煤炭·煤炭检测·矿山传送带·传送带异物
深小乐4 小时前
DeepSeek Harness 强是真的强,普通用户可以再等等
人工智能