零代码搭建你的第一个AI工作流：Langflow可视化编排上手指南

想构建AI应用但不会写代码？Langflow让这个愿望成为现实。这个GitHub上超过150,000星的开源项目，提供了一套拖拽式的可视化界面，让你像搭乐高一样搭建AI工作流。无论你是产品经理、运营人员还是创业者，都能在半天内上手。

第一步：安装 Langflow

pip install langflow

安装完成后运行：

langflow run

浏览器会自动打开 `http://localhost:7860`，你会看到一个空白的画布和左侧的组件面板。

也可以使用Docker部署：`docker run -p 7860:7860 langflowai/langflow`，适合在服务器上长期运行。

第二步：理解核心组件

Langflow工作流由”节点”组成，每个节点完成一个特定任务：

– Chat Input — 接收用户输入

– Prompt — 设计提示词模板

– LLM — 调用大模型生成回复

– Chat Output — 输出结果

不同颜色的连接点可以连在一起，这就是”数据流”。

第三步：创建第一个工作流

拖入节点：`Chat Input` → `Prompt` → `OpenAI` → `Chat Output`，用线串起来。

在Prompt节点写提示词：”你是一个友好的AI助手，请用简洁的方式回答用户的问题”。点击OpenAI节点输入API Key（可在 `platform.openai.com` 免费获取）。点击右上角Play，输入问题即可看到AI回复。

进阶玩法

Langflow支持RAG（检索增强生成），让AI基于你的文档回答问题：

1. 添加 `File Loader` 节点上传PDF

2. 连接 `Text Splitter` 进行分块

3. 接入向量数据库组件

4. 知识库问答系统就搭建好了

还可以添加 `API` 节点调用外部服务，实现数据查询、邮件发送等自动化。

Langflow最大优势是可视化——每个节点的输出实时展示，数据流转一目了然。准备投入生产时，一键导出为Python代码或API端点即可。