返回 AI 工具目录

Langflow

开发框架人工精选最近核验 2026年7月23日

开源(MIT)可视化 AI 应用搭建平台,用拖拽画布构建 Agent 与 RAG 工作流,底层组件是 Python,支持自定义与二次开发。提供交互式 Playground 做分步调试,支持多 Agent 编排与会话管理,可对接 Anthropic、Meta、Mistral、Groq 等模型与 Milvus、Weaviate、Qdrant、Couchbase 等向量库。搭好的流可作为 API 部署、导出 JSON 供 Python 应用使用,或发布为 MCP Server。可用桌面应用(Windows/macOS)、pip、Docker 自托管,或用官方云。

定价开源部署自托管、SaaS 云服务、本地运行国内可达国内可达许可MIT

解决什么问题

  • 解决把 Agent 与 RAG 想法快速变成可运行、可部署产物的问题
  • 传统手写编排要自己接模型、向量库、工具与会话状态,试错慢;Langflow 用可视化画布拆成可拖拽组件,连线即成流,配交互式 Playground 分步执行、观察每步输入输出,便于调试和迭代
  • 支持多 Agent 编排与会话管理,可管理单个或多个带工具的 Agent
  • 组件底层是 Python,内置组件不够用时可写自定义 Python 组件扩展,不被无代码框架的表达力限制
  • 搭好的流有三种去向:部署为 API、导出 JSON 嵌入 Python 应用、发布成 MCP Server 供其他 Agent 调用,可变成能被任意框架/技术栈集成的工具

适合

  • 适合有 Python 能力、想在可视化搭建速度与代码可控性之间取平衡的研发团队:既能拖拽快速起步,又能用自定义 Python 组件深度扩展
  • 适合做 Agent 与 RAG 应用从原型到交付,尤其需要把成果以 API 或 MCP Server 形式接进更大系统的场景
  • 适合已在用 Milvus、Weaviate、Qdrant 等向量库及多家大模型、想在一个画布里灵活切换与编排的团队
  • 适合重视调试体验的团队,Playground 的分步执行便于定位链路问题
  • 对数据敏感或要私有化的企业,MIT 许可与自托管(pip / Docker / 桌面应用)可装进自有环境;也适合个人开发者用桌面应用本地快速试

不适合

  • 追求极致并发、强 SLA 的核心生产系统,或需严格可测试、可版本化工程实践,纯代码 Agent 框架比可视化画布更可控,可视化流在复杂状态和精细调优上会遇到边界
  • 通用业务流程自动化(连各类 SaaS、定时任务、审批)n8n 一类平台更对口;只要文档解析或专门检索质量,Unstructured、RAGFlow 更聚焦
  • 可视化工具随上游模型与组件演进,版本升级时画布可能要跟着调整,长期维护有一定成本
  • 若团队没有 Python 能力、也不打算写自定义组件,单纯当无代码工具用时,可扩展性优势发挥不出来
  • 企业级治理与合规能力以官方云/企业版为主,自托管社区版需自行补齐

如何接入

  • 部署形态多样:桌面应用(Windows / macOS)适合本地试;服务器/团队用 pip 安装(uv pip install langflow)或 Docker 容器自托管;也可用官方云,含免费账户与面向规模化的企业级云
  • 搭建方式是在画布拖拽组件:选模型(Anthropic、Meta、Mistral、Groq 等)、向量库(Milvus、Weaviate、Qdrant、Couchbase 等)、工具与文档组件,连成 Agent 或 RAG 流,用 Playground 分步调试
  • 交付有三条路:部署为 API 供外部调用、导出 JSON 内嵌到 Python 应用、发布为 MCP Server 供其他 Agent 使用
  • 可对接 LangSmith、LangFuse 做可观测
  • 组件底层 Python,可写自定义组件扩展;模型与向量库经各自凭据配置,可替换为境内服务

已知限制

  • 可视化编排在复杂应用中的可维护性、精细性能调优和深度定制受限,核心生产系统常需回落到代码
  • 随上游模型与组件更新,版本升级可能需要调整既有画布
  • 自托管社区版的企业级治理、权限与合规能力相对基础,较完整的规模化与安全能力偏向官方云/企业版
  • 文档中对独立商业云产品的细节披露有限,采购前需向官方确认云版 SLA 与计费
  • 国内可达性:项目 MIT 开源,可用 pip / Docker / 桌面应用自托管到境内或本地,软件本身可用;但官方云在境外,默认对接的 Anthropic 等海外模型直连存在数据出域与延迟问题,生产上建议自托管并改接境内合规大模型与向量库,从境外源安装依赖或拉取镜像时可能需要加速

接入与使用事实

部署方式
自托管、SaaS 云服务、本地运行
实现语言
Python、JavaScript、TypeScript
中文界面
待确认
中文文档
待确认
定价方式
开源
许可证
MIT
国内可达性
国内可达
可达性观察
待补充
查看代码仓库

权限、依赖与维护信号

这些字段记录公开可见信号，不等同于安全审计结论。

权限信号

暂无公开信号。

依赖信号

暂无公开信号。

维护信号

暂无公开信号。

公开来源与证据

  1. 代码仓库仅作事实索引
    查看来源

访问官网