企业官网建设流程全解析

Langflow 部署教程：5 分钟在本地搭起 AI 工作流服务

【免费下载链接】langflowLangflow is a powerful tool for building and deploying AI-powered agents and workflows.项目地址: https://gitcode.com/GitHub_Trending/la/langflow

Langflow 是一个可视化的 AI Agent 与工作流搭建平台：把组件拖进画布连好线，一条流程就能变成一个可对话的智能体，还能一键发布成 API 或 MCP Server，接到你自己的应用里。这篇部署教程从一台干净的机器出发，带你在几分钟内装好并启动 Langflow，跑通第一条流程，最后再讲 Docker 方案和常见报错的修法。

先判断：哪条安装路径适合你

三条路都能用，先按场景选，再往下读对应的细节：

下面只展开 Python 包这条路；Docker 部分单独给了可直接复制的命令；桌面应用去官网下载安装包（macOS 拖进 Applications，Windows 双击.msi按向导装）即可，本文不再展开。

装前自检：两分钟确认环境

跑安装命令前，先确认三样东西，能省掉后面大半的排错时间。

打开终端，先看 Python 版本，Langflow 要求 3.10 到 3.14：

python --version

输出在Python 3.10及以上、3.14 及以下就算通过；版本不对就先装一个新版 Python。

再确认uv（官方推荐的包管理器，解析依赖比 pip 快得多）：

uv --version

显示版本号即可；提示找不到命令就先按 uv 官方说明装好它。

最后看硬件：双核 CPU、2GB 内存是最低线；要跑本地模型和复杂流程，建议多核、4GB 以上。机器太弱也能启动，只是跑流程会吃力。

主路径：四步装好并启动

环境没问题，接下来四个命令，每步都有明确的成功标志。

第 1 步，建独立虚拟环境。虚拟环境保证 Langflow 的依赖不和系统里其他项目打架。在你想放 Langflow 的目录执行：

uv venv langflow-env source langflow-env/bin/activate

成功标志：提示符前出现(langflow-env)。Windows 上第二行换成langflow-env\Scripts\activate，激活逻辑一样。

第 2 步，安装 Langflow。-U表示直接装最新版：

uv pip install langflow -U

第一次安装要拉几百个包，耐心等。成功标志：输出以Installed ... packages结尾，没有红色报错。

第 3 步，启动服务：

uv run langflow run

首次启动要初始化数据库和索引，可能花上几分钟，别急着 Ctrl+C。

第 4 步，验证。看到服务就绪后，浏览器打开http://127.0.0.1:7860，出现 Langflow 界面就算部署成功。至此，本地服务已经跑起来了，剩下的是让它干点活。

跑通第一条流程

在首页点New Flow，选Simple Agent模板。它自带 Agent、Chat Input/Output 和一个 Calculator 工具，适合当验证用：

接下来在Agent组件里点Setup Provider填一个模型服务商的 API Key，再从Language Model下拉框里选中模型。点Playground就能在右侧聊天框里直接对话，回复正常返回，说明整条链路（模型、组件、输出）都通了：

后面想接更多模型或向量库，按需装可选依赖即可，例如uv pip install "langflow[postgresql]"启用 PostgreSQL 支持，完整清单见 官方安装文档。

分支场景：Docker 一条命令起容器

如果你不想管理 Python 环境，或者要给团队开一台独立实例，用官方镜像最省事。命令里的密码记得换成自己的强密码：

docker run -p 7860:7860 \ -e LANGFLOW_AUTO_LOGIN=false \ -e LANGFLOW_SUPERUSER_PASSWORD=SUPERUSER_PASSWORD \ langflowai/langflow:latest

容器起来后访问http://localhost:7860/，用刚才设的超管密码登录。想要数据持久化和内置 PostgreSQL，仓库里带了现成的 Compose 文件，进入该目录执行docker compose up即可，参考 docker_example/docker-compose.yml。

版本怎么升级和固定

跑稳之后，版本管理就三条命令的事。升级到最新版：uv pip install langflow -U（官方建议升级前备份数据）；锁定某个版本：uv pip install langflow==1.4.22，版本号以 PyPI 实际发布为准；依赖装乱了就uv pip install langflow --force-reinstall强制重装。参与源码开发则是 clone 仓库后执行make run_cli，细节看仓库里的DEVELOPMENT.md。

报错急救手册

启动或安装卡住时，按报错原文对号入座，每条都是"最可能的原因 → 一条修复命令"：

• No module named 'langflow.__main__'：系统里可能混了多个 Langflow，命令跑错了解释器。改用uv run langflow run启动。
• pip 长时间停在pip is looking at multiple versions of ...：这是 pip 依赖解析慢，不是死机。换成uv pip install langflow重来。
• Failed to build webrtcvad==2.0.10：Linux 缺 C 编译工具链。执行sudo apt-get install build-essential python3-dev后重试，仍失败再补sudo apt-get install gcc。
• ImportError: cannot import name 'get_body_field'：装到了过新的 FastAPI。执行uv pip install "fastapi<0.140"把它钉回兼容版本。
• 打不开http://127.0.0.1:7860，提示端口占用：lsof -i :7860找出占端口的进程，停掉它或换个端口重启。
• 升级后报There's a mismatch between the models and the database：数据库结构和版本不匹配。先备份数据库，再执行uv run langflow migration --fix（该命令有破坏性，务必先备份）。

下一步往哪走

服务跑通只是开始：在 Playground 里继续调流程，给自己发一个 Langflow API Key 就能用curl调/api/v1/run/FLOW_ID，还可以把整条流程暴露成 MCP Server 供外部客户端调用。具体配置和环境变量，按 官方文档 里的说明逐项查即可。

【免费下载链接】langflowLangflow is a powerful tool for building and deploying AI-powered agents and workflows.项目地址: https://gitcode.com/GitHub_Trending/la/langflow