LLM之RAG实战（四十六）| Langflow：一个用于构建 RAG 和多代理应用的低代码应用构建工具

一、Langflow 简介

   Langflow是一个用于构建 RAG（Retrieval-Augmented Generation）和多代理 AI 应用的低代码应用构建器。它基于 Python 构建，并且不依赖任何模型、API 或数据库。

二、Langflow 主要特征

1. 基于 Python ：与模型、API、数据源或数据库无关；
2. 可视化 IDE ：通过拖放方式构建和测试工作流；
3. Playground ：逐步控制并实时测试和迭代工作流；
4. 多Agent： 编排、对话管理和检索；
5. 免费云服务 ：无需设置，几分钟内即可启动；
6. 以API形式发布 或导出为 Python 应用程序；
7. 可视化 ：与 LangSmith、LangFuse 或 LangWatch 集成；
8. 企业级安全性和可扩展性 ：使用免费的 DataStax Langflow 云服务；
9. 自定义工作流 ：或仅使用 Python 创建完整流程；
10. 生态系统集成 ：作为任何模型、API 或数据库的可重用组件。

三、Langflow 使用

方式一：使用DataStax免费云

无需配置，登录https://astra.datastax.com/signup?type=langflow即可。

方式二：python方式

• 安装Langflow库

a）使用pip安装

        
            

          python -m pip install langflow -U
        
      

b）使用pipx安装

        
            

          pipx install langflow --python python3.10 --fetch-missing-python
        
      

• 运行 Langflow

        
            

          python -m langflow run
        
      

出现如下界面，说明运行成功

此时就可以通过在浏览器输入http://127.0.0.1:7860，即可访问。

下面以Basic Prompting为例演示一下效果：

1. 首先，点击右上角的“新建项目”，然后出现如下界面：

2. 选择Basic Prompting

3. 设置Prompt

输入Prompt：Answer the user as if you were a pirate.

4. 设置OpenAI API Key

在如下界面红色框中直接输入OpenAI API Key（sk-...）

5. 点击如下界面红色框的Playground进行对话界面

切换Prompt为：Answer the user as if you were Hermione Granger.

会得到如下结果：

参考文献：

[1] https://github.com/langflow-ai/langflow

[2] https://docs.langflow.org/getting-started-quickstart